Memorial de projetos : conceitos, arquitetura e aplicações das redes adversariais generativas (GANS)

Abstract

Resumo: A inteligência artificial (IA) pode ser dividida em diversos ramos, e um deles é a IA generativa, que busca a geração de novos conteúdos (como textos, imagens, áudio, etc). No ramo da IA generativa, encontramos as Generative Adversarial Networks (GANs), que são um tipo de modelo de deep learning. Nas GANs, existem duas redes neurais competindo entre si (daí o nome adversarial): o gerador, que cria novos objetos e o discriminador, que busca identificar se dados são reais ou falsos (ou seja, criados pelo gerador). Durante o treinamento do modelo, tanto o gerador quanto o discriminador são ajustados para que desempenhem melhor suas tarefas. Ao construir um modelo deste tipo, o objetivo final é alcançar um gerador que consiga criar dados sintéticos que sejam muito difíceis de distinguir dos dados reais. As GANs vêm sendo usadas em diversas aplicações, com destaque na geração de imagens, e seu potencial para criação de novos conteúdos pode alterar a forma como trabalhos que dependem de criatividade são desempenhados

Abstract: Artificial intelligence (AI) can be divided into several branches, and one of them is generative AI, which seeks to generate new content (such as texts, images, audio, etc.). In the field of generative AI, we find Generative Adversarial Networks (GANs), which are a type of deep learning model. In GANs, there are two neural networks competing with each other (hence the name adversarial): the generator, which creates new objects, and the discriminator, which seeks to identify whether data is real or fake (i.e., created by the generator). During model training, both the generator and discriminator are adjusted to better perform their tasks. When building a model of this type, the ultimate goal is to achieve a generator that can create synthetic data that is very difficult to distinguish from real data. GANs have been used in a variety of applications, particularly in image generation, and their potential for creating new content could change the way work that relies on creativity is performed