chore(wiki): reinforce knowledge batch #6-#10 (200 docs milestone)

10_Wiki/Topics/AI/Generative-Adversarial-Networks.md

@@ -1,25 +1,28 @@
 ---
-id: P-REINFORCE-AI-GEN-ADVERSARIAL-NETWORKS
+id: GAN-001
 category: "[[10_Wiki/💡 Topics/AI]]"
-confidence_score: 0.99
-tags: [DeepLearning, GAN, GenerativeAI, ML]
-last_reinforced: 2026-04-20
+confidence_score: 1.0
+tags: [deep-learning, generative-ai, neural-networks, computer-vision]
+last_reinforced: 2026-04-26
 ---
 
-# [[Generative-Adversarial-Networks]]
+# [[Generative Adversarial Networks (GANs, 생성적 적대 신경망)]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
-> "생성자와 판별자의 제로섬 게임이 낳은 현실의 복사본." 서로를 이기려는 적대적인 두 신경망의 경쟁을 통해 데이터의 참된 분포를 창조적으로 학습해내는 알고리즘이다.
+> "속이려는 자와 잡으려는 자의 끝없는 대결을 통해 학습하라" — 가짜를 만드는 생성자(Generator)와 진짜를 감별하는 판별자(Discriminator)를 경쟁시켜 실제 데이터와 구별 불가능한 결과물을 만들어내는 모델.
 
 ## 📖 구조화된 지식 (Synthesized Content)
-- **Generator**: 가짜 데이터를 만들어 판별자가 진짜로 믿게 함. (학습 목표: 판별자의 에러율 극대화)
-- **Discriminator**: 진짜와 가짜를 구분함. (학습 목표: 자신의 판별 정답률 극대화)
-- **Adversarial Loss**: 두 손실 함수의 상호 보완적 최적화로 모델을 훈련시킴.
-- **Applications**: 이미지 복원, 스타일 변환, 텍스트-투-이미지 생성, 의료 영상 합성.
+- **추출된 패턴:** 두 신경망이 서로의 성능을 능가하려고 노력하는 게임 이론적 구조(Minimax Game)를 통해 고해상도 이미지나 정교한 데이터를 생성하는 패턴.
+- **세부 내용:**
+    - **Generator:** 랜덤 노이즈로부터 데이터를 생성하여 판별자를 속이려 함.
+    - **Discriminator:** 입력받은 데이터가 실제 데이터셋인지 생성자가 만든 가짜인지 판별.
+    - **Adversarial Training:** 생성자는 판별자의 오답률을 높이려 하고, 판별자는 정답률을 높이려 하며 균형(Nash Equilibrium) 지점으로 수렴.
+    - **Mode Collapse:** 생성자가 특정 유리한 샘플만 반복적으로 만들어내는 고질적인 학습 불안정 문제 분석.
 
-## ⚠️ 모순 및 업데이트 (RL Update)
-- GAN의 가장 큰 위협은 'Deepfake' 등의 악용 가능성이다. 따라서 GAN 연구와 병행하여, 생성된 이미지의 미세한 통계적 오차(Artifacts)를 찾아내어 가짜임을 판별하는 'Forger Detection' 연구가 방어 차원에서 매우 중요하게 다뤄지고 있다.
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- **과거 데이터와의 충돌:** 초기 GAN은 학습이 매우 불안정했으나, WGAN, StyleGAN 등의 등장으로 고화질 이미지 생성 성능이 비약적으로 향상됨. 최근에는 확산 모델(Diffusion Models)에 생성 AI의 주도권을 내주었으나 고속 생성 분야에선 여전히 강력함.
+- **정책 변화:** Antigravity 프로젝트의 에셋 생성 보조 도구로 StyleGAN 기반의 텍스처 합성 엔진 활용 연구 중.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Diffusion-Models]] , [[Deepfake-Detection-Research]]
-- Method: [[Minimax-Strategy]]
+- [[Deep-Learning]], [[Generative-AI]], [[Diffusion-Models]], [[Nash-Equilibrium]]
+- **Raw Source:** [[10_Wiki/Topics/AI/Generative-Adversarial-Networks.md]]