Generativ raqobatlashuvchi tarmoq (GAN)

Generativ-raqobatlashuvchi tarmoq (ingl. generative adversarial network, qisqacha GAN) — mashinaviy o‘rganishdagi nazoratsiz o‘rganish usuliga asoslangan, ikkita neyron tarmoqdan iborat algoritmdir. Tarmoqlardan biri (G tarmoq) namunalar yaratadi (qarang: Generativ model), ikkinchisi (D tarmoq) esa to‘g‘ri («haqiqiy») namunalarni noto‘g‘ri («soxta») namunalardan ajratishga harakat qiladi (qarang: Diskriminativ model[ingl.]). G va D tarmoqlarining maqsadlari qarama-qarshi — biri namunalar yaratadi, ikkinchisi esa ularni saralab, yaroqsizlarini rad etadi. Bu qarama-qarshilik o‘zaro raqobatga olib keladi. Raqobatning bunday shakli — antagonistik o‘yin. Generativ-raqobatlashuvchi tarmoqni Ian Gudfellou[ingl.] Google kompaniyasi xodimi sifatida 2014-yilda ta’riflagan.

Ushbu usul, jumladan, inson ko‘ziga haqiqiy suratdek ko‘rinadigan tasvirlarni yaratishga imkon beradi. Masalan, mushuklarning sun’iy fotosuratlarini yaratishga shunday urinish bo‘lganki, ular hatto mutaxassisni ham chalg‘itib, suratlarni haqiqiy deb qabul qilishiga sabab bo‘lgan. Bundan tashqari, GAN xira yoki qisman shikastlangan fotosuratlarning sifatini yaxshilash uchun ham ishlatilishi mumkin.

Usul

GAN yordamida tasvir sifatini yaxshilashga misol

GAN tizimida tarmoqlardan biri (G tarmoq, inglizcha Generator — «yaratuvchi») namunalar yaratadi (qarang: Generativ model), ikkinchisi (D tarmoq, inglizcha Discriminator — «farqlovchi») esa to‘g‘ri («haqiqiy») namunalarni noto‘g‘ri («soxta») namunalardan ajratishga harakat qiladi (qarang: Diskriminativ model[ingl.]). Latent makon o‘zgaruvchilari to‘plamidan foydalanib, generativ tarmoq bir nechta dastlabki namunani aralashtirish orqali yangi namuna yaratishga intiladi. Diskriminativ tarmoq haqiqiy va soxta namunalarni farqlashga o‘rganadi. Farqlash natijalari esa generativ tarmoqqa uzatiladi, toki u latent parametrlarning yanada maqbul to‘plamini tanlab, diskriminativ tarmoq haqiqiy namunalarni soxtalaridan ajrata olmaydigan darajaga yetsin. Shunday qilib, G tarmoqning maqsadi D tarmoq xatolari ulushini oshirish, D tarmoqning maqsadi esa, aksincha, farqlash aniqligini oshirishdir.

D diskriminativ tarmog‘i asl ma’lumotlardan olingan va generator yaratgan soxta namunalarni tahlil qilib, ularni muayyan aniqlikda farqlay oladi. Generator dastlab latent makon parametrlarining tasodifiy kombinatsiyalaridan boshlaydi (qarang: ko‘p o‘lchamli normal taqsimot), so‘ng D tarmoq hosil bo‘lgan namunalarni baholagach, xatoni teskari tarqatish usuli qo‘llanadi. Bu usul kirishdagi latent parametrlar to‘plamini tuzatish orqali generatsiya sifatini yaxshilashga imkon beradi. Generativ tarmoq chiqishidagi sun’iy tasvirlarning sifati asta-sekin ortib boradi. D tarmoq konvolyutsion neyron tarmoq sifatida quriladi, G tarmoq esa, aksincha, yashirin parametrlar asosida tasvirni shakllantirib boradi.

Ikkala tarmoq o‘zaro raqobatlashib birgalikda o‘qitilayotganda, agar tizim yetarlicha muvozanatlashgan bo‘lsa, minimaks muvozanat holatiga erishiladi. Bu holatda har ikkala tarmoqning ishlash sifati sezilarli darajada yaxshilanadi va yaratilgan tasvirlardan deyarli haqiqiy tasvirlardek foydalanish mumkin bo‘ladi.

Raqobatli o‘qitish g‘oyasini 2013-yilda Li, Gausi va Gross ilgari surgan. Bu usul «Tyuring bo‘yicha o‘qitish» deb ham ataladi, chunki uning maqsadi — Tyuring sinovidan o‘tish.

Usulning ommabop izohlari

GAN tarmog‘idagi raqobat tamoyili ko‘pincha o‘xshatishlar orqali tushuntiriladi. Masalan, generativ tarmoq qalbaki pul yasovchi yoki soxta rasmlar chizuvchi shaxsga, diskriminativ tarmoq esa qalbakilikni aniqlashga intiladigan mutaxassisga qiyoslanadi. Yana bir o‘xshatish — ikki bokschi: ulardan biri ustozdan saboq olgan, ikkinchisi esa o‘sha shogirdga taqlid qilishga majbur.

Inson yuzlarini yaratishga mo‘ljallangan mashhur ilovalarda haqiqiy ma’lumotlar sifatida real fotosuratlar olinadi. Generativ tarmoq esa soch rangi, yuz mutanosibligi, ko‘z kesimi, burun shakli, quloq kattaligi, soqol va mo‘ylovning bor-yo‘qligi kabi latent parametrlar kombinatsiyalarini o‘zgartirib, sun’iy yuzlar yaratishga harakat qiladi.

Tadqiqotchilar o‘z maqolalarida GAN’ni quyidagi kutubxona asosida amalga oshirishga misollar keltirgan: TensorFlow.

Qo‘llanilishi

GAN tarmoqlari fotorealistik tasvirlar yaratishda, masalan, sanoat dizayni, interyer dizayni, kiyim-kechak, sumka, portfel, kompyuter o‘yinlari sahnalari va hokazolarni loyihalashda qo‘llanadi. GAN tarmoqlaridan Facebookda ham foydalaniladi. So‘nggi vaqtlarda GAN tizimlari film va animatsiya kadrlarini tayyorlashda ham ishlatila boshlandi. Bu tizimlar, shuningdek, qisman tasvirlardan obyektning uch o‘lchamli modelini tiklashga va astronomik kuzatishlardan olingan tasvirlarni yaxshilashga yordam beradi.

Havolalar