GAN позволяет вам генерировать данные, которые выглядят как другие данные. Он изучает характеристики из образца набора данных и генерирует данные, которые будут иметь изученные атрибуты. Он не копирует набор данных, используемый при обучении, а только пытается сопоставить те данные, которые у вас есть. Это пример создания компьютерного креатива.

GAN состоит из двух компонентов — генератора и дискриминатора.

Генератор генерирует данные, в то время как дискриминатор пытается идентифицировать атрибуты, которые не соответствуют исходным данным.
Когда дискриминатор находит такие атрибуты, генератор узнает об этом и регенерирует данные, чтобы они дошли до точки, где данные выглядят реальными. .

Приложения GAN включают, но не ограничиваются:
- создание изображений, например, создание художественных работ, создание двойников и т. д.;
- создание фильмов/игр с использованием изображений людей, которых на самом деле не существует;
> и т. д.

Дополнительные ресурсы:
1. https://en.wikipedia.org/wiki/Generative_adversarial_network

2. https://towardsdatascience.com/gangogh-creating-art-with-gans-8d087d8f74a1

3. https://medium.com/@awjuliani/generative-adversarial-networks-explained-with-a-classic-spongebob-squarepants-episode-54deab2fce39

4. https://towardsdatascience.com/generative-adversarial-networks-gans-for-beginners-82f26753335e