Red generativa antagónica (GANs) | 2024 Así, una de ellas crea poco, de forma defectuosa, ya que la IA no sabe crear poco nuevo, pero la otra lo supervisa y alivio, porque eso sí se le da aceptablemente. Básicamente, son dos redes que entran en competencia, de guisa que lo que una anhelo, lo pierde la otra y a la inversa (suma cero).
Por ejemplo, una genera la imagen de un perro, pero esta dista mucho de una efectivo. La otra la alivio reduciendo los errores. El resultado es un perro que podría ser confundido con uno de verdad por un observador. Lo que una alivio es porque la otra no lo hizo aceptablemente.
Historia de la red generativa antagónica (GANs)
Ian Goodfellow, con 29 abriles, tuvo una inspiración en 2014 cuando estaba reunido con unos compañeros de universidad. Se fue a casa y llevó a agarradera una programación que dio origen a la red generativa antagónica (GANs).
Su propuesta parecía sencilla, pero era fruto de sus elevados conocimientos sobre inteligencia fabricado. Consistía en partir de lo que peor hace la IA, crear poco nuevo, para luego conseguir lo que se le da mejor, resolver errores.
Su idea tuvo un gran éxito y acabó trabajando para Google, siendo uno de sus empleados mejor pagados. Él y otros compañeros escribieron un paper (documento irrefutable) que sentó las bases del operación que se utiliza en este proceso.
Cómo funciona la red generativa antagónica (GANs)
En existencia, la idea es simple, aunque el proceso no lo sea. La IA no sabe concebir poco nuevo muy aceptablemente, pero sí mejorar lo que ya existe. Luego, ponemos a una de ellas, la generativa, a crear poco y la otra, la discriminadora, lo va a mejorar.
Se vehemencia maniobra de suma cero porque hay un intercambio entre ambas redes. Una genera poco que tiene errores, pierde, la otra lo alivio, anhelo. Encima, ambas ganan y pierden en la misma medida. Por eso, la suma va a ser cero.
Veamos el ejemplo de una foto, en ella, la primera la genera de forma fabricado. Entonces la segunda, toma esa foto y discrimina lo que puede ser realista de lo que no lo parece. Así se consigue que se parezca a la remisión efectivo de la que se tomó.
Tipos de red generativa antagónica (GANs)
Existen diversos tipos de GANs:
- Vainica GAN. Son las más simples, alternador y discriminador se enfrentan a un maniquí matemático que deben resolver de la forma óptima.
- Pirámide laplaciana GAN (LAGAN). En este caso se utiliza la pirámide laplaciana (un diseño matemático). Lo que hace es invertir varias redes neuronales, enfrentándolas dos a dos en diversos niveles.
- GAN condicional (CGAN). En este tipo de red se introducen parámetros condicionales, es afirmar, condiciones para que pase o no pase poco. Estos permitirán a la discriminadora diferenciar entre lo que es efectivo y lo que es aparente.
- Súperresolución GAN (SRGAN). Utiliza la red generativa antagónica (GANs) para mejorar imágenes y conseguir que sean de incorporación calidad.
Aplicaciones de la una red generativa antagónica (GANs)
La red generativa antagónica (GANs) tiene diversas aplicaciones, correcto a su fuerza y eficiencia ofreciendo resultados. Algunas de ellas son:
- Fotografía. Aquí existen diversos ejemplos, como las imágenes de diseño industrial, de ropa e incluso las de personas o animales. Con una GAN se pueden conseguir pertenencias muy próximos a la existencia.
- Vídeos. A distancia de los propios videojuegos, que veremos más debajo, las imágenes en movimiento siempre han sido un batalla. El problema eran los pasos intermedios de un aire a otro. Con esta terminología, se han conseguido suprimir, permitiendo un movimiento natural próximo al que se daría en la existencia.
- Visión nocturna. Las herramientas que permiten este tipo de visión han evolucionado de forma vertiginosa, sobre todo, en el ámbito marcial. Muchas veces, la diferencia entre una imagen nítida y otra que no lo es, puede suponer la diferencia entre el éxito o el fracaso.
- De 2D a 3D. Poco similar sucede con las imágenes que estando en 2D se quieren elaborar en 3D. En este caso, las redes neuronales «rellenarían» la información que falte para conseguir la transformación.
La red generativa antagónica (GANs) en los videojuegos
El sector de los videojuegos ha evolucionado desde los primeros, basados en aspectos de diseño muy básicos, hasta los realistas de abriles posteriores. Detrás de muchas de esas mejoras, están las redes neuronales que, trabajando en parejas, permiten el fenómeno.
Así, una de las aplicaciones es, precisamente, hacer realistas unos movimientos de personas o animales, que abriles antaño eran impensables. De hecho, estas GANs han permitido que la experiencia del tahúr se aproxime cada vez más a la que tendría en el mundo efectivo.
Básicamente, se toman imágenes reales, realizadas por humanos con ciertos sensores. Una vez se procesan, la red generativa antagónica (GANs) se encarga de ejecutar el resto de los movimientos y expresiones necesarias para el contexto del maniobra, imitando los datos reales.