Una GAN entrena simultáneamente dos redes neuronales con objetivos opuestos: un “generador” que crea contenido (como imágenes) intentando que parezca real, y un “discriminador” que intenta distinguir ese contenido generado del contenido real. A medida que compiten, ambas mejoran, y el generador termina produciendo resultados cada vez más convincentes.
Su impacto
Las GAN fueron durante años la tecnología dominante para generar imágenes sintéticas realistas, y popularizaron el concepto de “deepfake”. Aunque los modelos de difusión las superaron en calidad para muchas tareas de generación de imágenes, el principio de entrenamiento adversarial que introdujeron sigue influyendo en otras áreas de la IA generativa.