Ein Generative Adversarial Network besteht aus zwei neuronalen Netzen, die gegeneinander trainieren: Eines erzeugt Daten, das andere versucht zu erkennen, ob eine Probe echt oder erzeugt ist. Beide werden dabei besser, und am Ende ist das erzeugende Netz brauchbar.
- Generative Adversarial Network (GAN)
Zwei Netze, die gegeneinander trainieren: eines erzeugt, das andere prüft.
Beispiel: „Das Generative Adversarial Network erzeugte Gesichter, die 2018 als Beweis für die Leistungsfähigkeit der KI herumgingen.“Die beiden Rollen heißen Generator und Diskriminator. Das Training ist beendet, wenn der Prüfer nicht mehr besser als durch Raten unterscheidet.
Vorgeschlagen wurde das Verfahren 2014 und hat die Bilderzeugung bis etwa 2021 bestimmt. Die bekannten Seiten mit erfundenen Gesichtern stammen aus dieser Zeit.
Warum das Training schwierig ist
Weil zwei Ziele gegeneinander laufen. Wird ein Netz zu schnell besser als das andere, bricht das Lernen zusammen: Der Erzeuger findet eine Masche, die den Prüfer täuscht, und wiederholt nur noch diese. Dieser Zustand hat einen eigenen Namen und war in der Praxis der Hauptgrund, warum solche Modelle schwer zu trainieren waren.
Warum Diffusionsmodelle sie verdrängt haben
Weil sie stabiler trainieren und sich besser steuern lassen. Ein Diffusion Model arbeitet schrittweise aus Rauschen heraus, nimmt dabei Textangaben an und liefert Vielfalt statt einer Masche. Seit etwa 2022 laufen die verbreiteten Bildwerkzeuge damit, und das Verfahren mit den zwei Netzen ist in der Breite verschwunden.
Wo es weiterhin eingesetzt wird
Dort, wo es schnell sein muss. Die Erzeugung läuft in einem Schritt und ist damit deutlich schneller als ein Verfahren mit dutzenden Schritten; für Hochskalierung, Gesichtsbearbeitung in Echtzeit und einfache Stilübertragung ist das weiterhin ein Vorteil. Auch in der Erzeugung von Messdaten für Industrieanwendungen hält es sich.
Warum es in der Einordnung wichtig bleibt
Weil es die öffentliche Debatte über erfundene Bilder ausgelöst hat. Die ersten Gesichter von Menschen, die es nicht gibt, stammen aus diesen Modellen, und die Fragen nach Kennzeichnung und Missbrauch sind damals aufgekommen. Wer die heutige Lage erklären will, kommt an diesem Zwischenschritt nicht vorbei.