GAN은 이미지를 생성하는 생성 네트워크와 이미지를 인증하고 평가하는 판별 네트워크로 구성된다. 이 네트워크로 AI 시스템은 엄청난 수의 이미지를 수집 및 분석, 연구해 매우 현실적이지만 가짜인 이미지를 만들 수 있다. 생성 네트워크는 판별 네트워크의 이미지 등급을 기반으로 이미지를 생성한다.
앨런인공지능연구소의 CEO인 오렌 에트지오니는 "인공 신경망은 수백만 개의 예제 이미지를 배우고 있다. GAN은 이런 예시 이미지를 만드는 새로운 방식이다"라고 설명했다.
GAN 접근 방식은 구글 브레인의 연구 과학자인 이안 굿펠로우가 2014년에 발표한 연구다. 이후 여러 연구자들이 GAN의 사용 가능성을 결정하기 위한 실험과 테스트를 수행했다.
GAN은 인간의 감독 없이 학습하고 더 나은 결과를 내기 위해 데이터베이스를 계속 업그레이드한다. 하지만 지속적인 학습으로 인해 발달이 제대로 되지 않고 그대로 머무는 경우도 있다. GAN이 개선되지 않으면 생성 네트워크는 동일한 이미지 품질을 계속해서 생성한다.
이를 해결하기 위해 엔비디아(NVIDIA)는 GAN을 지속적으로 학습할 수 있는 교육 방법을 개발했다. 엔비디아 연구진은 이미지 레이어를 저해상도부터 점진적으로 추가해 고해상도의 세부 정보를 제공하는 방법으로 생성 네트워크 및 판별 네트워크를 고르게 교육했다.
엔비디아의 연구원 자코 레티넨은 "인간은 태어날 때부터 훈련된 신경망을 내장하고 있으며 살면서 배운 방법으로 타인의 얼굴을 인식하고 판별한다. 이 훈련법을 AI에 적용할 수 있다"고 말했다.
영화 제작자와 비디오 게임 개발자들은 GAN을 이용해 영화 및 비디오 게임을 위한 저렴하고 고품질의 사실적인 자료를 얻을 수 있다.
