GAN چگونه یاد می‌گیرد تصویر واقعی بسازد؟

GAN از دو شبکه تشکیل می‌شود: ژنراتور که داده جعلی می‌سازد و دیسکریمیناتور که واقعی یا جعلی بودن داده را تشخیص می‌دهد. این دو شبکه در رقابتی سازنده یاد می‌گیرند تا ژنراتور خروجی‌هایی بسازد که دیسکریمیناتور را فریب دهد. به مرور زمان، کیفیت داده‌های تولیدی افزایش می‌یابد تا تقریباً از داده واقعی قابل‌تشخیص نباشد. این فرایند یکی از خلاقانه‌ترین ایده‌ها در یادگیری ماشین است.