Red Generativa Adversarial (GAN)

Cómo funcionan los GAN

La idea central de un GAN es entrenar dos modelos simultáneamente en un juego de suma cero.

1. El Generador: El trabajo de esta red es crear datos falsos. Toma ruido aleatorio como entrada e intenta transformarlo en una muestra que parezca provenir de los datos de entrenamiento originales. Por ejemplo, puede intentar generar una imagen realista de un rostro humano.
2. El Discriminador: Esta red actúa como un crítico o detective. Su objetivo es distinguir entre los datos reales (del conjunto de entrenamiento) y los datos falsos producidos por el Generador. El discriminador emite una probabilidad que indica la probabilidad de que una muestra de entrada sea real.

Durante el entrenamiento, el generador trata continuamente de engañar al discriminador, mientras que el discriminador trabaja para mejorar su capacidad de detectar las falsificaciones. Este proceso contradictorio, impulsado por la retropropagación, continúa hasta que el Generador produce muestras tan convincentes que el Discriminador ya no puede distinguirlas de los datos reales, alcanzando un estado conocido como equilibrio de Nash.

Aplicaciones reales

Los GAN han hecho posible una amplia gama de aplicaciones innovadoras en diversos sectores.

• Generaciónde datos sintéticos: Uno de los usos más significativos de las GAN es la creación de datos artificiales de alta calidad para aumentar los conjuntos de datos reales. Por ejemplo, en el desarrollo de vehículos autónomos, los GAN pueden generar escenas de carretera realistas, incluidos escenarios raros y peligrosos que son difíciles de capturar en el mundo real. Esto ayuda a mejorar la solidez de los modelos de detección de objetos como Ultralytics YOLO11 sin necesidad de recopilar muchos datos del mundo real.
• Generación de imágenes y arte: Los GAN son famosos por su capacidad para crear imágenes novedosas y fotorrealistas. Proyectos como StyleGAN de NVIDIA pueden generar rostros humanos increíblemente detallados de personas inexistentes. Esta tecnología también se utiliza en el arte, permitiendo a los artistas crear piezas únicas, y en la moda para diseñar nuevos estilos de ropa.
• Traducción de imagen a imagen: Las GAN pueden aprender mapeos entre diferentes dominios de imágenes. Por ejemplo, un modelo puede entrenarse para convertir una imagen de satélite en un mapa, convertir un boceto en una imagen fotorrealista o transformar fotos diurnas en escenas nocturnas.
• Envejecimiento y edición facial: Las aplicaciones utilizan GANs para predecir de forma realista cómo puede envejecer el rostro de una persona con el paso del tiempo o para realizar ediciones como cambiar el color del pelo, añadir una sonrisa o alterar las expresiones faciales, lo que tiene aplicaciones en entretenimiento y medicina forense.

GAN frente a otros modelos generativos

Los GAN forman parte de una familia más amplia de modelos generativos, pero tienen características distintas.

• Modelos de difusión: Los modelos de difusión, como los que subyacen a la difusión estable, suelen ofrecer un entrenamiento más estable y pueden producir muestras de mayor calidad y diversidad que los GAN. Sin embargo, esto suele tener como contrapartida una latencia de inferencia más lenta.
• Autocodificadores: Los autocodificadores variacionales (VAE) son otro tipo de modelo generativo. Aunque tanto los GAN como los VAE generan datos, los GAN son conocidos por producir resultados más nítidos y realistas, mientras que los VAE suelen ser mejores a la hora de crear un espacio latente estructurado e interpretable.

Retos y avances

El entrenamiento de GANs puede ser notoriamente difícil debido a varios retos:

• Colapso de Modo: Esto ocurre cuando el Generador encuentra unas pocas salidas que son altamente efectivas para engañar al Discriminador y produce sólo esas variaciones limitadas, fallando en capturar toda la diversidad de los datos de entrenamiento. Los investigadores de Google han estudiado a fondo este problema.
• Inestabilidad del entrenamiento: La naturaleza competitiva de las GAN puede llevar a un entrenamiento inestable en el que las dos redes no convergen suavemente. Esto puede deberse a problemas como el del gradiente evanescente.
• Dificultades de evaluación: Cuantificar la calidad y diversidad de las muestras generadas no es trivial. Se utilizan métricas como la puntuación de inicio (IS) y la distancia de inicio de Fréchet (FID), pero tienen sus limitaciones.

Para superar estos problemas, los investigadores han desarrollado muchas variantes de GAN, como los GAN de Wasserstein(WGAN) para mejorar la estabilidad y los GAN condicionales(cGAN), que permiten una generación más controlada. El desarrollo de GAN sigue siendo un área activa de la investigación en IA, con potentes herramientas en marcos como PyTorch y TensorFlow que los hacen más accesibles a los desarrolladores. Para gestionar el flujo de trabajo de ML en sentido amplio, plataformas como Ultralytics HUB pueden ayudar a agilizar la gestión de datos y el despliegue de modelos.