GAN, eller Generative Adversarial Network, er en type generativ kunstig intelligens, hvor to neurale netværk trænes mod hinanden. En generator skaber syntetiske data, mens en diskriminator vurderer, om data ligner træningsdata. Metoden bruges især til billeder, syntetiske datasæt og datatransformation, men den kræver omhyggelig kontrol.
GAN er en generativ AI-metode, hvor en generator og en diskriminator trænes mod hinanden for at skabe syntetiske data, der ligner et træningsgrundlag. Forklaringen dækker virkemåde, anvendelser, begrænsninger og risici ved praktisk brug af GAN-modeller i forskning, udvikling og organisationer.
Hvad betyder GAN i kunstig intelligens?
Et GAN er en modeltype inden for kunstig intelligens, hvor læringen sker gennem konkurrence mellem to modeller. Generatoren forsøger at fremstille nye eksempler, der ligner data fra et træningssæt. Diskriminatoren forsøger samtidig at skelne mellem rigtige eksempler fra træningsdata og syntetiske eksempler fra generatoren.
Navnet Generative Adversarial Network beskriver de tre centrale dele. Modellen er generativ, fordi den producerer nye data. Den er adversarial, fordi træningen bygger på et modsætningsforhold mellem to modeller. Den er et network, fordi begge dele normalt er neurale netværk.
En GAN-model lærer ikke ved at få en facitliste over det perfekte output. Den lærer ved, at generatoren får et indirekte signal fra diskriminatoren. Når diskriminatoren bliver bedre til at afsløre syntetiske data, får generatoren et stærkere pres for at ramme den statistiske struktur i træningsdata.
Hvordan arbejder generator og diskriminator sammen?
Generatoren starter typisk med tilfældig støj eller en kompakt latent repræsentation. Den omdanner dette input til et forslag, for eksempel et billede. Diskriminatoren får både rigtige træningseksempler og generatorens syntetiske eksempler og beregner, hvor sandsynligt det er, at et eksempel kommer fra træningsdata.
Træningen skifter mellem de to roller. Diskriminatoren opdateres, så den bliver bedre til at opdage forskellen mellem rigtigt og syntetisk. Generatoren opdateres, så den i højere grad skaber eksempler, der får diskriminatoren til at tage fejl. Det gør GAN-træning anderledes end en almindelig klassifikationsopgave, hvor modellen kun lærer at sortere input i faste kategorier.
Diskriminatoren er ikke en dommer, der ved, hvad der er sandt i verden. Den lærer kun forskellen mellem træningsdata og generatorens aktuelle output. Hvis træningsdata er snævre, skæve eller dårligt dokumenterede, kan en GAN derfor lære et snævert eller misvisende mønster meget effektivt.
Hvilken rolle spiller træningsdata og latent rum?
Træningsdata bestemmer, hvad modellen kan efterligne. En GAN trænet på ansigter lærer mønstre i ansigtsbilleder. En GAN trænet på medicinske billeder, produktfotos eller satellitdata lærer de statistiske strukturer, der findes i netop det datasæt. Modellen får ikke automatisk viden om årsager, kontekst eller formål.
Det latente rum er den komprimerede inputverden, som generatoren bruger til at skabe variation. Hvis punkter i det latente rum bevæger sig på en meningsfuld måde, kan små ændringer i input give kontrollerede ændringer i output. I billedmodeller kan det for eksempel betyde ændringer i pose, farve, tekstur eller stil.
Det latente rum gør GAN-modeller nyttige til mere end fri billedgenerering. Det kan bruges til at undersøge, hvilke mønstre en model har lært, og til at skabe kontrollerede variationer af data. Samtidig kan det skjule bias, hvis bestemte grupper, vinkler eller situationer næsten ikke findes i træningsdata.
Hvordan adskiller GAN sig fra almindelig klassifikation?
En klassifikationsmodel lærer normalt at give et input en etiket. Den kan for eksempel lære, om et billede viser en hund eller en kat. Et GAN bruger en klassificerende komponent, diskriminatoren, men formålet er ikke primært at sortere data. Formålet er at træne generatoren til at fremstille nye eksempler.
GAN ligger derfor tættere på generativ modellering end på traditionel mønstergenkendelse. I machine learning og deep learning kan samme datasæt bruges til mange opgaver, men målet ændrer, hvordan modellen bygges og evalueres. En klassifikationsmodel måles på rigtige eller forkerte etiketter. En GAN vurderes ofte på, om output statistisk og visuelt ligner den ønskede fordeling.
Forskellen har praktisk betydning. Hvis du skal genkende eksisterende indhold, er en klassifikationsmodel ofte det naturlige valg. Hvis du skal skabe syntetiske variationer, rekonstruere manglende dele eller oversætte mellem visuelle domæner, kan en GAN være relevant.
Hvad kan en GAN-model bruges til?
GAN’er er især kendt fra billedgenerering, men principperne kan bruges bredere, når data kan beskrives som en fordeling, som modellen skal efterligne. Det kan være billeder, lyd, video, 3D-former, tidsserier eller andre datatyper, hvis arkitekturen og datasættet passer til opgaven.
- Billedsyntese, hvor modellen skaber nye billeder, der ligner træningsdata.
- Billed-til-billed-transformation, for eksempel fra skitse til fotoagtigt motiv eller fra lav til høj opløsning.
- Dataaugmentation, hvor syntetiske eksempler supplerer et træningssæt.
- Anonymiseringslignende syntetiske datasæt, hvor formålet er at bevare mønstre uden at bruge de oprindelige individer direkte.
- Rekonstruktion, hvor manglende eller støjfyldte dele af et signal forsøges genskabt.
Brugen kræver en klar evaluering af output. Et syntetisk billede kan se overbevisende ud uden at være korrekt i en teknisk, medicinsk eller juridisk sammenhæng. Et syntetisk datasæt kan bevare statistiske mønstre, men stadig lække følsomme mønstre eller forstærke skævheder fra træningsdata.
Hvad er GAN ikke det samme som?
GAN er ikke det samme som al generativ AI. Moderne generative systemer kan bygge på mange forskellige modeltyper, herunder diffusion, transformerarkitekturer, autoregressive modeller, variational autoencoders og kombinationer af flere teknikker. En tekst-til-billede-model er derfor ikke nødvendigvis en GAN.
GAN er heller ikke det samme som et sprogmodelsystem. En sprogmodel forudsiger typisk tekstlige enheder ud fra kontekst, mens en GAN normalt trænes gennem en generator og en diskriminator. Begge kan være generative, men træningslogikken og evalueringsproblemerne er forskellige.
| Modeltype | Typisk idé | Praktisk forskel |
|---|---|---|
| GAN | Generator og diskriminator trænes mod hinanden | Kan give skarpe syntetiske billeder, men træningen kan være ustabil |
| Diffusion | Modellen lærer gradvist at fjerne støj fra data | Bruges ofte i nyere billedgenerering, men kræver en anden trænings- og genereringsproces |
| Autoregressiv model | Modellen genererer næste del ud fra tidligere dele | Er udbredt i tekst og sekventielle data, men skaber output trin for trin |
Hvorfor kan træningen være ustabil?
GAN-træning er et spil mellem to modeller, der hele tiden ændrer sig. Hvis diskriminatoren bliver for stærk for tidligt, kan generatoren få et svagt læringssignal. Hvis generatoren finder en enkel strategi, der ofte narrer diskriminatoren, kan den blive ved med at producere få typer output i stedet for at dække hele variationen i træningsdata.
Et kendt problem er mode collapse. Det betyder, at generatoren kun lærer nogle få mønstre i datafordelingen. I stedet for at producere mange forskellige realistiske ansigter, produkter eller scener kan den gentage en lille del af variationen. Output kan se pænt ud ved første øjekast, men datasættets bredde er ikke repræsenteret.
Ustabiliteten gør evaluering mere krævende. Det er ikke nok at se på enkelte eksempler. Man skal undersøge variation, datasammenfald, skævheder, robusthed og om syntetiske data faktisk hjælper den efterfølgende opgave. En flot prøve er ikke dokumentation for, at modellen er egnet i drift.
Hvordan hjælper varianter som DCGAN, WGAN og StyleGAN?
GAN-familien har mange varianter, fordi den oprindelige idé er enkel, men svær at få stabil i praksis. DCGAN kombinerer GAN-princippet med dybe convolutional netværk og blev en udbredt pædagogisk og praktisk indgang til billedbaseret GAN-træning. Den bruges ofte til at forklare, hvordan generator og diskriminator kan bygges for billeder.
WGAN ændrer tabsfunktionen og bruger Wasserstein-afstand som grundidé for at give mere stabile læringssignaler. Formålet er blandt andet at reducere problemer som mode collapse og gøre læringskurver mere meningsfulde. Det fjerner ikke alle praktiske problemer, men det viser, hvordan selve spillets mål kan ændres for at gøre træningen mere kontrollerbar.
StyleGAN-familien er et eksempel på, at generatorarkitekturen også kan ændre, hvor præcist modellen styrer et billede. Den style-baserede tilgang gjorde det muligt at adskille flere visuelle egenskaber i generatoren, for eksempel overordnede ansigtstræk og finere variationer. Pointen er ikke, at én variant altid er bedst, men at GAN-design afhænger af data, beregning, kontrolbehov og evalueringskrav.
Hvilke kontrolpunkter bør du bruge før praktisk brug?
Hvis du vurderer en GAN-løsning, bør første spørgsmål være, om opgaven faktisk kræver syntetisk generering. Mange problemer løses bedre med klassifikation, segmentering, retrieval, diffusion, en regelbaseret pipeline eller en mindre generativ model. GAN giver mest mening, når selve variationen i nye data er en del af opgaven.
- Definér outputtypen: Skal modellen skabe billeder, variationer, rekonstruktioner eller syntetiske træningsdata?
- Kontrollér datagrundlaget: Er træningsdata repræsentative, lovligt anvendt og dokumenteret?
- Vælg evalueringsmål: Skal output være visuelt realistisk, statistisk nyttigt, teknisk korrekt eller privatlivsbeskyttende?
- Test variationen: Producerer modellen mange typer relevante output eller gentager den få mønstre?
- Afklar drift: Hvem kontrollerer output, og hvordan opdages fejl, bias eller datalæk?
GAN-modeller bør ikke vurderes alene ud fra eksempler i en præsentation. Der skal være dokumenteret test på relevante data, tydelige begrænsninger og en plan for, hvordan syntetisk indhold mærkes, opbevares og bruges.
Hvilke risici følger med syntetisk indhold?
Syntetisk indhold kan være nyttigt, men det kan også gøre oprindelse og ansvar uklare. Hvis en GAN skaber realistiske billeder, kan de bruges i legitime arbejdsgange som design, forskning og testdata. Den samme type teknologi kan også bruges til falske profiler, manipulerede billeder eller materiale, der forveksles med dokumentation.
Risikoen afhænger af formål, data og kontekst. En intern model til produktvariationer har andre risici end en åben model, der skaber realistiske menneskefotos. En model trænet på følsomme data kræver andre kontroller end en model trænet på offentlige objekter eller simulerede miljøer.
NISTs profil for generativ AI peger blandt andet på risici inden for databeskyttelse, informationsintegritet, ophavsret, misbrug, indholdssikkerhed og gennemsigtighed i værdikæden. For GAN-brug betyder det, at teknisk kvalitet ikke kan stå alene. Der skal også være klare regler for datakilder, samtykke, rettigheder, logging, menneskelig kontrol og mærkning af syntetisk output.
Hvad betyder GAN for organisationer i Danmark?
For organisationer i Danmark er GAN mest relevant, når syntetiske data, billedbehandling eller visuelle variationer indgår i produktudvikling, forskning, undervisning, sikkerhedstest eller kommunikation. Metoden kan være nyttig, hvis rigtige data er dyre, sjældne, følsomme eller vanskelige at indsamle. Den kan også være unødvendig kompleks, hvis opgaven blot kræver analyse af eksisterende data.
Databeskyttelse er et praktisk kontrolpunkt. Syntetiske data er ikke automatisk anonyme, og en model kan i nogle tilfælde lære eller gengive mønstre fra træningsdata. Hvis data berører personer, kunder, medarbejdere, patienter, elever eller borgere, skal man vurdere både datagrundlag, formål, adgang, dokumentation og risiko for genidentifikation.
Der er også en kommunikationsopgave. Når syntetiske billeder eller data bruges i en organisation, bør modtagere kunne forstå, om materialet er genereret, simuleret eller faktisk dokumentation. Det gælder især i uddannelse, forskning, offentlig kommunikation og beslutningsstøtte, hvor tillid til data er en del af arbejdsprocessen.
Hvordan vurderer du, om GAN er den rigtige metode?
En GAN er et godt kandidatvalg, når opgaven handler om at lære en datafordeling og skabe realistiske variationer inden for den. Det kan være relevant ved billedsyntese, domain transfer, superopløsning eller syntetiske testdata. Hvis opgaven kræver forklarlige beslutninger, præcise fakta eller høj sporbarhed, skal GAN ofte suppleres med andre metoder og kontroller.
Den tekniske vurdering bør begynde med et simpelt spørgsmål: Hvad skal output bruges til? Hvis output kun skal inspirere eller skabe variationer, kan visuel kvalitet være nok. Hvis output skal indgå i analyse, træning, dokumentation eller beslutninger, skal kvaliteten måles med mere end menneskelig mavefornemmelse.
- Vælg GAN, når realistisk variation er selve opgaven.
- Vælg en anden metode, når præcis klassifikation, søgning eller forklaring er hovedformålet.
- Kombinér metoder, når syntetisk output både skal være realistisk, kontrollerbart og dokumenteret.
GAN er derfor bedst forstået som en bestemt træningsidé i generativ AI, ikke som en universalløsning. Den tekniske styrke ligger i konkurrencen mellem generator og diskriminator. Den praktiske værdi afhænger af datakvalitet, evalueringsdesign og ansvarlig brug.
Hvilke kilder ligger til grund?
Definitionen og den grundlæggende træningslogik bygger på Goodfellow m.fl.s oprindelige GAN-paper og Googles gennemgang af GAN-struktur. Praktiske eksempler er kontrolleret mod TensorFlows DCGAN-tutorial, mens træningsstabilitet er afstemt med Wasserstein GAN-paperet. Risikodelen bygger på NISTs profil for generativ AI-risikostyring.