
Строительство
Применение ИИ в строительстве: восемь процессов, где эффект можно измерить
[читать статью]
Генеративно-состязательная сеть, или GAN, — это пара нейросетей, которые учатся в споре друг с другом и создают очень правдоподобные синтетические данные: изображения, звук, таблицы. Первая сеть, генератор, создаёт подделки. Вторая, дискриминатор, пытается отличить их от настоящих примеров. После каждой неудачи генератор получает обратную связь и со временем создаёт подделки, которые дискриминатор уже не отличает. Простыми словами: фальшивомонетчик и контролёр, которые тренируют друг друга. Чем сильнее контролёр, тем лучше становятся подделки. В итоге получаются снимки, звуки или записи, которые трудно отличить от настоящих даже человеку.
GAN решает проблему нехватки данных: настоящих примеров мало, а модели нужны тысячи.
Производство, медицина, ритейл, кино и реклама.
Пример: на заводе редкий дефект детали встречается раз в несколько тысяч изделий, и фотографий брака почти нет. GAN создаёт тысячи правдоподобных снимков такого дефекта, и модель контроля качества учится замечать его на конвейере.
GAN капризны в обучении: сети легко выходят из равновесия, и генератор начинает выдавать однотипные результаты. Для изображений и текстов по запросу сегодня чаще используют другие подходы, а GAN остаются там, где нужны быстрые и реалистичные данные определённого типа.
Синтетика не заменяет реальные данные: если в исходном наборе есть перекос, GAN его повторит. Эта же технология стоит за дипфейками, поэтому нужны маркировка и проверка подлинности.