GAN - רשתות יריבות - יוצר מול מבקר

לפני GAN, יצירת תוכן חדש על ידי מחשב (תמונות, קול, טקסט) הייתה משימה קשה. מודלים גנרטיביים קודמים כמו autoencoders וריביים הפגינו תמונות מטושטשות ולא משכנעות. היה קשה למדוד "כמה טובה" תמונה שיוצר, כי הגדרת איכות סובייקטיבית מאתגרת עבור אלגוריתם. התוצאה: יצירה מציאותית בקנה מידה נשארה חלום.

הרעיון של GAN מבוסס על דינמיקה של משחק אפס: שני שחקנים - הזייפן (Generator) והמבקר/המפלה (Discriminator). הזייפן מנסה ליצור תמונות שמשכנעות; המבקר מנסה להבדיל בין תמונות אמיתיות לתמונות מזויפות. תוך כדי התהליך, הזייפן משתפר ומצליח להונות יותר ויותר, והמבקר משתפר וקולט יותר ויותר.

אנלוגיה: זה כמו שרשרת זייפני כסף שמאיימת על בנק. הזייפן יוצר שטרות; הבנק מנסה לזהות זיופים. כל צד לומד מהטעויות של השני, ותוך כדי כך השטרות הופכים מושלמים יותר ויותר. אחרי מספיק זמן, קשה מאוד להבדיל בין שטר אמיתי לזיוף.

הזייפן (G) מקבל רעש אקראי (למשל וקטור מספרים אקראי z), ומפיק ממנו נתון ממוצע (תמונה). המבקר (D) מקבל תמונה, ומפיק הסתברות לכך שהתמונה אמיתית (ולא מזויפת). האימון מתנהל בשני שלבים, לסירוגין.

המטרה של D: למקסם את היכולת להבדיל - להיות בטוח שתמונות אמיתיות מקבלות הסתברות גבוהה ותמונות מזויפות הסתברות נמוכה. המטרה של G: להקטין את היכולת של D להבחין בזיופים, כלומר לגרום לתמונות שלו להיראות אמיתיות ככל האפשר.

פונקציית המטרה, המבוטאת כסכום של תוחלות על פני נתונים אמיתיים ופסאודו-נתונים:

במונחים אינטואיטיביים: המבקר מנסה למקסם את היכולת לנחש נכון מי אמיתי ומי מזויף; הזייפן מנסה למזער את אותו ניחוש נכון על התמונות שלו. שתי הרשתות מנוגדות זו לזו, ומבנה זה מאפשר לשניהן ללמוד תכונות סטטיסטיות עשירות של הנתונים.

GAN הדגים לראשונה יכולת ליצור תמונות שהמבקרים התקשו להבדיל בינן לבין תמונות אמיתיות. התוצאות המרשימות כללו פנים אנושיות סינתטיות, תמונות של חיות ויצירות אמנות. הדינמיקה הזאת הביאה לקפיצה עצומה באיכות היצירה הממוחשבת, והובילה לפיתוח של עשרות גרסאות משופרות (DCGAN, StyleGAN ועוד).

GAN פתח את עידן היצירה הגנרטיבית. השיטה השפיעה על כל תחום שבו צריך לייצר תוכן - תמונות, אודיו, טקסט, סינתזת נתונים רפואיים, שיפור רזולוציה ועוד. גרסאות כמו StyleGAN ו-BigGAN הביאו את היכולת לרמת פוטוריאליזם שמשמשת עד היום בעריכה ובעיצוב.

GAN גם עורר שיח על אתיקה: יצירת תמונות מזויפות ריאליסטיות (deepfake) העלתה שאלות על אמון ואבטחה. זו דוגמה לטכנולוגיה עוצמתית עם השפעה כפולה: שימוש חיובי ובריאתני לצד סיכונים.

GAN ידוע בחוסר היציבות של האימון (mode collapse) - מצב שבו הזייפן לומד לייצר רק וריאציות מעטות וחוזר על עצמו. האיזון בין היריבים שביר, והאימון דורש כוונון עדין. גם היעדר מדד אובייקטיבי לאיכות הנתונים שנוצרו הופך אותו למאתגר למדידה. עם עלייתם של מודלים דיפוזיה, שהם יציבים יותר, החלקה של GAN מהיצירה הפוטוריאליסטית המובילה.

• GAN בנוי על תחרות בין זייפן למבקר שמשפרים זה את זה.
• השיטה יצרה קפיצה עצומה ביכולת יצירת תמונות פוטוריאליסטיות.
• חלות על אימון לא יציב ובעיית mode collapse.
• זהו אבן יסוד בתחום היצירה הגנרטיבית המודרנית.