---
id: GAN-001
category: Unified
confidence_score: 1.0
tags: [ai, generative-model, gan, neural-networks, image-synthesis]
last_reinforced: 2026-04-26
---

# GAN (Generative Adversarial Networks, 생성적 적대 신경망)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "위조지폐범과 경찰의 치열한 술래잡기를 통해, 데이터의 본질을 완벽하게 복제하라" — 생성자(Generator)와 판별자(Discriminator)라는 두 신경망이 서로를 속이고 간파하며 함께 성장하여, 실제와 구분할 수 없는 가상 데이터를 생성하는 아키텍처.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** "경쟁을 통한 진화"라는 동역학적 관점을 학습 프로세스에 도입하여, 명시적인 손실 함수 설계 없이도 복잡한 데이터 분포를 근사하는 적대적 학습 패턴.
- **작동 원리:**
    - **Generator:** 무작위 노이즈를 입력받아 실제 데이터와 유사한 가짜 샘플 생성.
    - **Discriminator:** 입력된 샘플이 실제 데이터인지 생성자가 만든 가짜인지 판별.
    - **Adversarial Loss:** 생성자는 판별자를 속이려 하고, 판별자는 속지 않으려 하는 제로섬 게임 과정을 통해 모델 고도화.
- **의의:** 이미지 생성, 스타일 변환, 텍스트-이미지 합성 등 창의적 AI 영역을 개척했으며, 딥페이크 기술의 기술적 토대가 됨.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 학습이 매우 불안정하고 모드 붕괴(Mode Collapse) 문제가 고질적이었으나, WGAN, StyleGAN 등 후속 모델을 통해 안정성과 품질을 비약적으로 향상시킴.
- **정책 변화:** Antigravity 프로젝트는 가상 자산(아이콘, 텍스트 배경 등)의 스타일 일관성을 유지하기 위해 GAN 기반의 스타일 전이 기술을 보조적으로 활용함.

## 🔗 지식 연결 (Graph)
- [[Generative-AI-Impact|Generative-AI-Impact]], [[Deepfake-Technology|Deepfake-Technology]], [[Diffusion-Models|Diffusion-Models]], [[Variational-Autoencoders-VAE|Variational-Autoencoders-VAE]]
- **Raw Source:** 10_Wiki/Topics/AI/GAN.md