2nd/10_Wiki/Topics_Blog/Generative-Adversarial-Networks.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
GAN-001	10_Wiki/💡 Topics/AI	1.0	deep-learning generative-ai neural-networks computer-vision	2026-04-26

Generative Adversarial Networks (GANs, 생성적 적대 신경망)

📌 한 줄 통찰 (The Karpathy Summary)

"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)

• 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 (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)

• Deep-Learning, Generative-AI, Diffusion-Models, Nash-Equilibrium
• Raw Source: 10_Wiki/Topics/AI/Generative-Adversarial-Networks.md