Redes Adversárias Generativas (GANs)

Definição

GANs são uma classe de modelos de aprendizado de máquina em que duas redes neurais — um gerador e um discriminador — competem para criar dados sintéticos realistas.

Propósito

O objetivo é gerar dados realistas, como imagens, áudio ou texto. GANs são usadas em indústrias criativas, aumento de dados e pesquisa.

Importância

• Produz dados sintéticos de alta qualidade.
• Permite a criatividade em design e arte.
• Risco de uso indevido de deepfakes e desinformação.
• Computacionalmente caro para treinar.

Como Funciona

1. O gerador cria dados sintéticos a partir de ruído aleatório.
2. O discriminador avalia se os dados são reais ou falsos.
3. Ambas as redes são treinadas simultaneamente.
4. O gerador melhora ao aprender a enganar o discriminador.
5. A iteração continua até que as saídas se assemelhem a dados reais.

Exemplos (mundo real)

• NVIDIA StyleGAN: gera rostos humanos realistas.
• Aplicações DeepFake: criação de vídeos sintéticos.
• Imagens médicas sintéticas para aumento de dados de pesquisa.

Referências/Leituras Adicionais

• Goodfellow et al. “Redes Adversariais Generativas”. NeurIPS 2014.
• Anotações da aula de Ian Goodfellow na GAN.
• Transações IEEE sobre Redes Neurais e Sistemas de Aprendizagem.