جنریٹیو مخالف نیٹ ورکس
جنریٹو ایڈورسریئل نیٹ ورکس (GANs) ایک مقابلے میں دو نیورل نیٹ ورکس کو ایک دوسرے کے خلاف کھڑا کرکے حقیقت پسندانہ نیا ڈیٹا بناتے ہیں۔
جائزہ
They produced the first wave of convincing AI-generated faces and remain a landmark idea in generative AI.
گہرا غوطہ
2014 میں ایان گڈ فیلو کے ذریعہ متعارف کرایا گیا، ایک GAN ایک ساتھ دو نیٹ ورکس کو تربیت دیتا ہے۔ جنریٹر بے ترتیب شور سے شروع ہونے والی تصاویر جیسے جعلی نمونے ایجاد کرتا ہے۔ امتیاز کرنے والا فیصلہ کرتا ہے کہ آیا ہر نمونہ اصلی ہے (تربیتی ڈیٹا سے) یا جعلی (جنریٹر سے)۔ وہ مقابلہ کرتے ہیں: جنریٹر امتیازی سلوک کرنے والے کو بیوقوف بنانے کی کوشش کرتا ہے، جبکہ امتیاز کرنے والا بیوقوف نہ بننے کی کوشش کرتا ہے۔ جیسے جیسے دونوں میں بہتری آتی ہے، جعلی حقیقت پسندانہ ہو جاتی ہے۔ GANs نے "یہ شخص موجود نہیں ہے" پر فوٹو ریئلسٹک چہروں کو طاقت بخشی، جس میں StyleGAN نے ہائی ریزولوشن پورٹریٹ کا معیار ترتیب دیا۔ وہ تربیت کے لیے بدنام زمانہ مشکل ہیں، عدم استحکام کا شکار ہیں اور "موڈ کے خاتمے" کا شکار ہیں، جہاں جنریٹر صرف چند بار بار پیداوار پیدا کرتا ہے۔ ڈفیوژن ماڈلز نے اس کے بعد سے بہت سے تصویری کاموں کے لیے ان کو پیچھے چھوڑ دیا ہے، لیکن GANs نسل اور اثر انداز میں تیزی سے رہتے ہیں۔
تکنیکی بصیرت
تربیت مخالف اہداف کے ساتھ دو نیٹ ورکس کے درمیان ایک minimax گیم ہے۔ امتیاز کرنے والے کو تربیت دی جاتی ہے کہ وہ حقیقی ڈیٹا کے لیے اعلیٰ اسکور اور تیار کردہ ڈیٹا کے لیے کم اسکور حاصل کرے۔ جنریٹر کو تربیت دی جاتی ہے کہ وہ اس کے جعلی کے لیے امتیازی آؤٹ پٹ اعلی اسکور بنائے۔ اہم بات یہ ہے کہ جنریٹر کبھی بھی حقیقی تصاویر کو براہ راست نہیں دیکھتا ہے، یہ صرف اس سے سیکھتا ہے جو کہ امتیاز کرنے والے سے گزرے گئے گریڈینٹ سگنل سے ہے۔ نظریاتی توازن میں جنریٹر کی آؤٹ پٹ ڈسٹری بیوشن حقیقی ڈیٹا سے میل کھاتی ہے اور امتیاز کرنے والا اندازہ لگانے سے بہتر کچھ نہیں کر سکتا۔
اسٹریٹجک اثر
واضح فیصلے
یہ آپ کو مارکیٹنگ کی زبان سے واضح تکنیکی دعووں کو الگ کرنے میں مدد کرتا ہے۔
لاگت اور بجٹ
آپ پیسہ یا وقت خرچ کرنے سے پہلے بہتر نفاذ کے سوالات پوچھ سکتے ہیں۔
Team and workflow
مشترکہ تفہیم کے ساتھ ٹیمیں بہتر پروڈکٹ، پالیسی اور سیکھنے کے فیصلے کرتی ہیں۔
جنریٹو ایڈورسریل نیٹ ورکس کا مستقبل
ڈفیوژن ماڈلز اب اعلیٰ معیار کی امیج جنریشن پر حاوی ہیں، اس لیے خالص GAN بہت سے تخلیقی کاموں کے لیے اپنا تاج کھو چکے ہیں۔ ان کا کنارہ رفتار ہے: ایک GAN سنگل فارورڈ پاس میں ایک امیج تیار کرتا ہے، جب کہ بازی کو بہت سے مراحل کی ضرورت ہوتی ہے، لہذا GAN اصل وقت کے استعمال، سپر ریزولوشن، اور آن ڈیوائس جنریشن میں برقرار رہتے ہیں۔ ہائبرڈ سسٹمز تیزی سے دوسرے ماڈلز سے آؤٹ پٹ کو تیز کرنے کے لیے GAN طرز کے مخالف نقصانات کا استعمال کرتے ہیں۔ توقع ہے کہ GANs ہیڈ لائن جنریٹر کے بجائے ایک تیز، ہلکے وزن والے جزو کے طور پر زندہ رہیں گے۔
حقیقی دنیا کا نفاذ
ThisPersonDoesNotExist.com پر، غیر موجود لوگوں کے فوٹو ریئلسٹک چہرے بنانا
کم ریزولوشن والی تصاویر اور پرانی ویڈیو کو بڑھانا اور تیز کرنا (سپر ریزولوشن)
ان شعبوں کے لیے مصنوعی تربیتی ڈیٹا بنانا جہاں حقیقی ڈیٹا کی کمی یا نجی ہو۔
انداز کی منتقلی اور تصویر میں ترمیم کرنا، جیسے خاکے کو حقیقت پسندانہ تصویروں میں تبدیل کرنا یا چہرے کی عمر بڑھانا
خطرات اور گارڈریلز
مختلف ٹیمیں ایک ہی اصطلاح کو مختلف طریقے سے استعمال کر سکتی ہیں، اس لیے دائرہ کار کی جلد وضاحت کریں۔
بینچ مارکس مضبوط نظر آسکتے ہیں جبکہ حقیقی دنیا کی کارکردگی ناہموار ہے۔
ڈیٹا کے معیار اور تشخیص کے منصوبوں کو نظر انداز کرنا اکثر نازک نتائج پیدا کرتا ہے۔
نفاذ کا روڈ میپ
آپ کو مطلوبہ نتائج کی سادہ زبان کی تعریف کے ساتھ شروع کریں۔
جانچ کرنے سے پہلے ایک کامیابی میٹرک اور ایک ناکامی کی شرط منتخب کریں۔
نمائندہ ڈیٹا کے ساتھ ایک چھوٹا پائلٹ چلائیں، نہ کہ پالش شدہ ڈیمو سیٹ۔
دستاویز جہاں جنریٹو ایڈورسریل نیٹ ورکس مدد کرتا ہے اور جہاں آسان طریقے بہتر ہیں۔
دریافت کرتے رہیں
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Generative Adversarial Networks quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
اگلا گائیڈ
گراف نیورل نیٹ ورکس
اکثر پوچھے گئے سوالات
What is Generative Adversarial Networks?
جنریٹو ایڈورسریئل نیٹ ورکس (GANs) ایک مقابلے میں دو نیورل نیٹ ورکس کو ایک دوسرے کے خلاف کھڑا کرکے حقیقت پسندانہ نیا ڈیٹا بناتے ہیں۔ انہوں نے AI سے تیار کردہ چہروں کو قائل کرنے کی پہلی لہر پیدا کی اور تخلیقی AI میں ایک تاریخی خیال بنے رہے۔
GAN میں دو مسابقتی نیٹ ورک کیا ہیں؟
ایک GAN ایک جنریٹر جوڑتا ہے، جو جعلی نمونے بناتا ہے، ایک امتیازی شخص کے ساتھ، جو جنریٹر کے جعلی سے اصلی ڈیٹا بتانے کی کوشش کرتا ہے۔
نیا نمونہ بناتے وقت جنریٹر کس چیز سے شروع ہوتا ہے؟
جنریٹر بے ترتیب شور کے ویکٹر کو مصنوعی نمونے میں تبدیل کرتا ہے، اس شور کو حقیقت پسندانہ آؤٹ پٹ میں ڈھالنا سیکھتا ہے۔
تربیت کے دوران جنریٹر کیسے بہتر ہوتا ہے؟
جنریٹر کبھی بھی حقیقی ڈیٹا کو براہ راست نہیں دیکھتا ہے۔ یہ فیڈ بیک (گریڈینٹ) کا استعمال کرتے ہوئے بہتر بناتا ہے جو کہ امتیاز کرنے والا فراہم کرتا ہے کہ اس کے آؤٹ پٹس کتنے جعلی نظر آتے ہیں۔
GAN میں 'موڈ کا خاتمہ' کیا ہے؟
موڈ کا خاتمہ اس وقت ہوتا ہے جب جنریٹر کو کچھ ایسے آؤٹ پٹ ملتے ہیں جو امتیاز کرنے والے کو بے وقوف بناتے ہیں اور تنوع کھوتے ہوئے انہیں تیار کرتے رہتے ہیں۔
GAN کس نے اور کس سال میں متعارف کرایا؟
ایان گڈ فیلو اور ان کے ساتھیوں نے 2014 میں GAN متعارف کرایا، جس سے مخالف پیدا کرنے والے ماڈلز میں تحقیق کی ایک لہر شروع ہوئی۔