generatív ellenséges hálózat (GAN)

angolul: generative adversarial network

haladóelterjedt

Olyan MI-módszer, amelyben két neurális háló verseng: az egyik hamisítványokat gyárt, a másik megpróbálja leleplezni őket, így a hamisítványok egyre élethűbbek lesznek.

Érthetően

Képzelj el egy pénzhamisítót és egy nyomozót. A hamisító egyre jobb bankjegyeket készít, a nyomozó egyre jobban kiszúrja a hibákat. Mindketten a másiktól tanulnak, és a végén a hamis bankó szinte megkülönböztethetetlen az igazitól. A GAN pontosan így működik, csak két programmal.

Az egyik program, a generátor, véletlen számokból kiindulva állít elő képet, hangot vagy más adatot. A másik, a diszkriminátor, azt próbálja eldönteni, hogy amit lát, az valódi minta-e vagy a generátor műve. A verseny végén a generátort tartjuk meg, mert ő tanult meg élethű tartalmat készíteni.

Ez a módszer hozta el az első igazán meggyőző, nem létező emberekről készült arcképeket, és a deepfake-ek élethűbbé válásában is nagy szerepe volt (a legelső deepfake videók még egy másik technikával, autoenkóderrel készültek). Ma a látványos kép- és videógenerálásban jórészt más eljárások (főleg a diffúziós modellek) vették át a vezetést, de a GAN továbbra is hasznos ott, ahol a gyorsaság számít: képek felnagyításánál, élesítésénél, arccserénél.

Hogyan működik

A generátor véletlen számokból (zajból) indul, és ebből próbál képet előállítani; az elején csak értelmetlen pacákat készít.
A diszkriminátor felváltva kap valódi képeket a tanítóadatokból és hamisakat a generátortól, és mindegyikről megtippeli, melyik csoportba tartozik.
A diszkriminátor visszajelzést kap arról, mikor tévedett, így egyre jobb ítész lesz; a generátor pedig azt tudja meg, mennyire sikerült átvernie őt, és ennek alapján javít magán.
Ez a kör sok ezerszer megismétlődik: a két háló egymást húzza felfelé, mint két egyre erősebb sakkozó.
Elméletben az az ideális végpont, amikor a diszkriminátor már csak találgatni tud; a gyakorlatban akkor állítják le a tanítást, amikor az eredmény elég jó. Ezután a generátor önállóan, egyetlen lépésben, nagyon gyorsan képes új, élethű tartalmat előállítani.

Példa a mindennapokból

Egy régi, életlen családi fotót feltöltesz egy képjavító alkalmazásba, és másodpercek alatt éles, részletgazdag képet kapsz vissza. A háttérben sokszor GAN dolgozik: a hiányzó részleteket nem visszaállítja, hanem hihetően kitalálja. Ugyanez a technika áll számos arccserélő alkalmazás mögött is.

Kit érint

mindenkiA neten látott arcokról, fotókról és videókról már nem tudhatod ránézésre, hogy valódiak-e, és ez részben a GAN-ok öröksége.

marketingesTermékfotók javítására, felnagyítására és nem létező modellek arcképeinek előállítására használhatod. Ha a mesterséges kép megtévesztően valódinak hat, jelölnöd kell, hogy MI készítette; az egyszerű élesítés vagy felnagyítás miatt ez általában nem szükséges. → Marketing

beteg, orvosAz orvosi képalkotásban mesterséges tanítóképek készítésére és felvételek javítására használják, ami kevés valódi betegadat mellett is segíti a kutatást. → Egészség

jogász, állampolgárA hamisított arcképek és videók csalásra, zsarolásra, rágalmazásra is alkalmasak, ezért a deepfake-ek jelölését az EU MI-rendelete is előírja. → Jog

Gyakori félreértés

TévhitMinden MI-vel készült kép és videó GAN-nal készül.

ValójábanA mai ismert kép- és videógenerátorok többsége diffúziós modellre vagy más újabb eljárásra épül, nem GAN-ra. A GAN egy korábbi, de ma is használt módszer, amely főleg a gyors képjavításban és arccserében erős.

Korlátok és kockázatok

A GAN által „kijavított” fotó részletei kitaláltak, nem valódiak: bizonyítéknak, azonosításra vagy orvosi döntéshez önmagában nem megbízható.
A tanítása kényes: a két háló versenye könnyen felborul, és ilyenkor a generátor csak néhány, egymáshoz nagyon hasonló eredményt ismételget.
Kevésbé rugalmas, mint az újabb módszerek: jellemzően egy szűk területre (például arcokra) tanítják, és szöveges utasítással nehezebb irányítani.
Megtévesztő tartalom készíthető vele, a hamisítványokat felismerő programok pedig gyakran le vannak maradva az újabb hamisítási módszerekhez képest.

Hasonló, de nem ugyanaz

diffúziós modell – A diffúziós modell nem verseny útján tanul, hanem zajos képet tisztít meg több lépésben; általában lassabb (bár a gyorsított változatoknak már néhány lépés is elég), de sokszínűbb és jobban irányítható eredményt ad.
deepfake – A deepfake a végeredmény, vagyis a megtévesztően élethű hamis kép, hang vagy videó, a GAN pedig csak az egyik technika, amellyel ilyet elő lehet állítani.
nagy nyelvi modell – A nagy nyelvi modell szöveget állít elő a következő szó megjóslásával, míg a GAN két háló versenyére épül, és főleg képekre, hangra használják.

Kapcsolódó fogalmak

Tágabb

generatív mesterséges intelligencia, neurális hálózat, mélytanulás, gépi tanulás

Szűkebb

generátor, diszkriminátor, StyleGAN, CycleGAN

Rokon

diffúziós modell, deepfake, szintetikus adat, képgenerálás, variációs autoenkóder

Röviden a története

A módszert Ian Goodfellow és kutatótársai írták le 2014-ben, a Montreali Egyetemen. A nagyközönség 2019-ben figyelt fel rá igazán, amikor a „This Person Does Not Exist” weboldal a StyleGAN segítségével nem létező emberek fotóit kezdte mutatni.

Hol tart most

2026 végén a GAN érett, széles körben használt technika, de a figyelem középpontjából kikerült: a kép- és videógenerálásban a diffúziós és más újabb modellek vezetnek. A GAN ott maradt meg, ahol a sebesség fontos, például képjavításban, felnagyításban, valós idejű arccserében és szintetikus adatok előállításában.

Állapot: 2026. november

Más nevei

GAN · GAN-ok · generatív ellenséges hálózat · generatív versengő hálózat · generatív adverzariális hálózat · generatív versengő hálók · generative adversarial network · generative adversarial networks

Források

Goodfellow et al.: Generative Adversarial Networks (arXiv, 2014)

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.