Generative Adversarial Networks

GAN = Erzeugende gegnerische Netzwerke

Ein GAN ist ein Machine-Learning-Modell, bei dem zwei neuronale Netze konkurrieren, um genauere Vorhersagen zu treffen. GANs basieren auf unüberwachtem Lernen und einem Nullsummenspiel.

Die zwei konkurrierenden neuronalen Netze sind der Generator und Diskriminator. Der Generator erzeugt aus statistischen Daten Dummies, die der Diskriminator von echten Daten zu unterscheiden versucht. Kann der Diskriminator Dummy nicht von echten Werten unterscheiden, bleibt der Generator unverändert da er einen „guten Job“ gemacht hat. Identifiziert der Diskriminator den Dummy, lernt der Generator daraus und schärft seine Dummies. So lernt das System kontinuierlich und unüberwacht.

Das Nullsummenspiel kommt zustande, da eines der Netze gewinnt und das andere verliert. Dadurch ist die Spielsumme immer Null.

• Generate examples for Image Datasets
• Image-to-Image Translation
• Text-to-Image Translation
• Semantic-Image-to-Photo Translation
• Face Frontal View Generation
• Generate New Human Poses
• Photos to Emojis
• Photograph Editing
• Face Aging
• Photo Blending
• Super Resolution
• Photo Inpainting
• Clothing Translation
• Video Prediction
• 3D Object Generation

Herausforderungen

• Training: Convergence and Non-convergence
• Security Concerns: Technology may be misused for illegal activities, s.a. indentity theft
• Instability: Model Collapse when solutions between Generator and Discriminator do not match

Chancen

• Genomische Analyse

Im Gesundheitswesen und in den Biowissenschaften bestehen derzeit beispielsweise die Herausforderung in der Zellforschung verschiedene Krebsarten vorherzusagen. Mit Hilfe der GANs wird eine Methode geschaffen, diese Berechnungen gezielter durchzuführen und Falschaussagen zu erkennen.

• Betrugsermittlung

Cyberangriffe verfolgen oft das Ziel Daten zu manipulieren oder zu stehlen. Diese Daten sind oft unstrukturiert vorhanden. GANs sind hierfür gut geeignet, um Strukturen von betrügerischen Handlungen zu erkennen.

• Prognose der Güterbeförderung

Für Distribution und Logistik ist eine genaue Berechnung der benötigten Frachtgröße eine große Herausforderung. Die Bestimmung der optimalen Menge der zu transportierenden Güter ist ein erheblicher Kostenfaktor. Mit GANs ist es möglich, die genaue Warenmenge für bestimmte Szenarien vorherzusagen.

• Medium.com
• Rosebud.ai
• DataGrid
• Microsoft
• Google
• NEON

• Auto Machine learning
• Artificial Intelligence