🤖 Generative Adversarial Network 🤓

Selain memiliki kemampuan untuk memberikan narasi sesuai perintah / prompt dari pengguna, saat ini dunia kecerdasan buatan sedang ramai model yang dapat ‘menggambar’ apa yang kita bayangan yang digunakan sebagai input, GAN atau yang lebih dikenal sebagai *Generative Adversarial Network* pengguna dapat menghasilkan gambar yang serupa dengan apa yang mereka imajinasikan melalui masukan teks yang akan menghasilkan gambar baru.

Tren *Generative Adversarial Network* ini dimulai oleh J. Ian Goodfellow pada 2014 untuk menghasilkan data palsu serealistis mungkin, GAN merupakan salah satu tipe model pembelajaran mendalam yang dapat mempelajari sekumpulan data dan menghasilkan data yang serupa dengan karakteristik yang hampir sama. Seperti menghasilkan foto berupa wajah yang merupakan kombinasi antara beberapa wajah yang berbeda.

Beberapa contoh pengaplikasian GAN :

• Sintesis Gambar
• Style Transfer
• Text Generation
• Speech Synthesis

GAN terdiri dari sebuah Generator dan Diskriminator. Generator bertugas untuk menghasilkan data palsu, sedangkan Diskriminator akan mencoba untuk membedakan data palsu dengan data yang asli. Kedua hal ini mencoba untuk bersaing dengan satu sama lain dimana Generator akan berusaha mengelabuhi Diskriminator, sedangkan Diskriminator akan berusaha menebak semua gambar palsu yang dihasilkan oleh Generator.

Seiring berjalannya hal ini, Generator akan belajar dan dapat untuk menghasilkan data yang realistis dan Diskriminator juga akan menjadi semakin akurat dalam membedakan data yang asli dengan data yang palsu. Pada akhirnya GAN dapat menghasilkan data dengan kualitas tinggi yang sulit dibedakan dengan data yang asli.

Namun, beberapa oknum tidak bertanggung jawab menggunakan teknologi ini secara tidak etis untuk menghasilkan gambar yang dapat merusak kepercayaan maupun digunakan untuk menyebarkan informasi palsu.