Red generativa antagónica · GAN
Generative Adversarial Network
¿Qué es una red generativa antagónica?
- Aprendizaje por la competencia entre generador y discriminador
- Generación de datos realistas
- Origen de los deepfakes y de la generación de imágenes
Lo que GAN cambió en la práctica es el orden en que se trabaja con los datos. Antes, para entrenar un modelo había que reunir suficientes datos con respuestas correctas etiquetadas por personas; GAN hace crecer al generador con una sola señal: si el discriminador acertó o no. Eso significa que el aprendizaje funciona sin una tabla de respuestas, y abrió el camino a crear directamente los datos que son difíciles de reunir, como las imágenes de defectos poco frecuentes. El enfoque de llenar los datos que faltan creándolos, en lugar de buscarlos, nace de aquí.
Al separar sus variantes se entiende mejor para qué sirve cada una. DCGAN es la versión básica que añade convoluciones para mejorar la calidad de las imágenes. CycleGAN sirve para transformar fotos en estilo pictórico sin necesidad de pares de imágenes emparejadas. StyleGAN genera rostros de 1024×1024 píxeles y fue la base de los servicios de «personas que no existen». La GAN condicional (cGAN) produce el tipo de defecto que se le indique, por ejemplo «defecto por rayón». La diferencia con los modelos de difusión está en la velocidad y la estabilidad. La difusión elimina el ruido decenas de veces para obtener calidad, por lo que es lenta; la GAN produce el resultado en una sola pasada, lo que favorece el procesamiento en tiempo real, pero su entrenamiento tiende a colapsar hacia un lado, y ese es su punto débil.
El error que más se repite en la práctica es esperar que, al ejecutar una GAN, «los datos se generen sin límite». El generador encuentra algunos patrones que engañan fácilmente al discriminador y se queda ahí; eso es el colapso de modos. Aunque se generen 10,000 imágenes, en realidad son apenas tres o cuatro tipos de variaciones, y un modelo de inspección entrenado con ellas no detecta defectos nuevos. Si las 300 imágenes originales tenían un sesgo de iluminación o de ángulo, ese sesgo también se copia. El conjunto de validación nunca debe llenarse con datos sintéticos: si se rinde el examen con datos falsos, la puntuación sube, pero el desempeño en la línea sigue igual. Al sintetizar rostros o voces, hay que verificar primero el derecho de imagen y la responsabilidad legal asociada a los deepfakes, antes de la revisión técnica.
Ara LimEspecialista en liderazgo global, IA y comunicación empresarial
Seungtae ParkInstructor de AX práctico que enseña desarrollo de negocios con IA y automatización de marketing, creando esas soluciones directamenteLo propusieron en 2014 Ian Goodfellow y colaboradores. Su estructura es una competencia de suma cero entre el generador y el discriminador.
Veámoslo con un caso hipotético. La empresa A, fabricante de autopartes con 420 colaboradores, llevaba seis meses atascada con una IA de inspección visual. Había acumulado 120,000 imágenes de piezas normales, pero en todas sus líneas solo tenía 287 imágenes de defectos reales. La tasa de detección de defectos del modelo no pasaba del 76%.
- Cuando el subgerente Park, del equipo de aseguramiento de calidad, preguntó «¿hay que provocar defectos a propósito para reunir más?», la empresa socia de IA propuso sintetizar con GAN imágenes de defectos por rayones y cuerpos extraños.
- Se añadió una GAN condicional para fijar los tipos de defecto en cuatro: rayaduras, cuerpos extraños, golpes y manchas de estampado. Con 287 imágenes de entrenamiento se generaron 3,000 por tipo, 12,000 en total, a lo largo de 3 semanas.
- Al ver los primeros resultados, el jefe de inspección descartó el 40% con el argumento de que «este rayón no aparece en nuestra línea», e incorporó formalmente una revisión a simple vista en planta para separar las imágenes sintéticas como parte del proceso.
- Sospechando un colapso de modos, clasificamos las imágenes generadas por tipo y vimos que los defectos por cuerpo extraño concentraban el 68% del total. Ajustamos los pesos de la función de pérdida y volvimos a entrenar durante 2 semanas.
- La validación no mezcló ni una sola imagen sintética y se hizo únicamente con 87 imágenes reales de defectos, apartadas de las 287 disponibles. No rendir exámenes con datos falsos fue el principio que fijó el subgerente Park.
- Tres meses después, la tasa de detección de defectos subió del 76% al 93% y la tasa de falsos positivos bajó del 11% al 4%. El personal que hacía la reinspección pasó de 3 personas por día a 1.