Ein generatives adversariales Netzwerk (GAN) ist ein Algorithmus der künstlichen Intelligenz, der dazu dient, neue Datenmuster zu erzeugen, die einem Trainingsdatensatz ähnlich sind. GANs werden in der Regel für die Bildsynthese verwendet und wurden bereits zur Erzeugung realistischer Bilder von Objekten, Gesichtern und Szenen eingesetzt
Das ursprüngliche GAN-Papier wurde 2014 von Forschern der University of Michigan und der Stanford University veröffentlicht. Darin wird vorgeschlagen, ein GAN zur Erzeugung neuer Bilder zu verwenden, indem zwei neuronale Netze gegeneinander trainiert werden - ein Generatornetz, das gefälschte Muster erzeugt, und ein Diskriminatornetz, das versucht, die echten Muster von den gefälschten zu unterscheiden. Mit fortschreitendem Training wird der Generator immer besser darin, realistische Fälschungen zu erzeugen, und der Diskriminator wird besser darin, sie zu erkennen.
