GANs กับการสร้างสิ่งที่ไม่เคยมีอยู่จริง
GANs หรือ Generative Adversarial Networks เป็น Model ของ AI ที่สามารถสร้างข้อมูลใหม่ขึ้นมาเองได้ เช่น รูปภาพ เสียง หรือ ข้อความ โดยมีแนวคิดการใช้
สอง AI แข่งกันเอง
แนวคิดหลักของ GANs คือ Model ของ AI ที่มี 2 ฝั่งกำลังแข่งกัน
1) Generator (ผู้สร้าง)
- พยายามสร้าง “ข้อมูลปลอม” ให้เหมือนของจริงมากที่สุด
- เริ่มจาก noise (ข้อมูลสุ่ม) แล้วค่อย ๆ เรียนรู้ให้สร้างของที่ดูสมจริงขึ้นเรื่อย ๆ
2) Discriminator (ผู้แยกแยะ)
- ทำหน้าที่ "จับผิด" ว่าสิ่งที่เห็นเป็นของจริง (จากข้อมูลจริง) หรือของปลอม (จาก Generator)
การเรียนรู้ของ GANs
- Generator พยายามหลอก Discriminator ให้เชื่อว่าสิ่งปลอมเป็นของจริง
- Discriminator ก็พยายามจับผิดให้ได้
- ทั้งสองฝั่งเรียนรู้ไปพร้อมกัน จน Generator เก่งมากพอที่จะสร้างของปลอมที่เหมือนจริงที่สุด
ตัวอย่าง
- Generator ศิลปินปลอมที่พยายามวาดภาพเลียนแบบศิลปินดัง
- Discriminator ผู้เชี่ยวชาญงานศิลปะที่พยายามตรวจสอบว่างานไหนจริง หรือปลอม
- ทั้งสองฝึกกันไปเรื่อยๆ จนกระทั่งศิลปินปลอมวาดภาพได้เหมือนของจริงจนผู้เชี่ยวชาญแยกไม่ออก
GANs ใช้ทำอะไรได้บ้าง?
- สร้างภาพหน้าคนที่ไม่มีอยู่จริง เช่น thispersondoesnotexist.com
- เติมภาพที่ขาดหาย (image inpainting)
- เปลี่ยนสไตล์ภาพ (style transfer)
- สร้างเสียง, วิดีโอ, หรือข้อความ
และนี่เป็นแนวคิดและตัวอย่างการใช้งาน GANs ในการสร้างสิ่งที่ไม่เคยมีอยู่จริง
