Generative Adversarial Network (GAN)

الشبكة التوليدية التنافسية (GAN) هي نموذج من الذكاء الاصطناعي التوليدي يتكوّن من شبكتين عصبيتين تُدرّبان في مواجهة إحداهما الأخرى: يحوّل المولّد الضوضاء العشوائية إلى عينات، ويحاول المميّز التمييز بين هذه العينات وبيانات التدريب الحقيقية. وبعد انتهاء التدريب، ينتج المولّد صورًا أو صوتًا أو سجلات جدولية جديدة في تمريرة أمامية واحدة. قدّم Ian Goodfellow وزملاؤه في جامعة مونتريال شبكات GAN في ورقة عام 2014 بعنوان Generative Adversarial Nets، وظلت GANs رائدة في توليد الصور حتى تجاوزتها نماذج الانتشار عام 2021.

آلية تدريب GAN#

تخوض الشبكتان لعبة تقليل أقصى. المميّز مصنّف ثنائي يُخرج احتمال كون مُدخلاته حقيقية، ويُدرّب باستخدام دالة خسارة الانتروبيا المتقاطعة ليمنح العينات الحقيقية الدرجة 1 والمولّدة الدرجة 0. لا يرى المولّد البيانات الحقيقية مطلقًا، ولا يتعلم إلا من تدرّجات المميّز. عند النقطة المثلى نظريًا للعبة، يتساوى التوزيع المولّد مع توزيع البيانات، ويُخرج المميّز القيمة 0.5 لكل مُدخل. في بداية التدريب، عندما يسهل اكتشاف العينات المزيفة، لا يوفّر هدف المولّد الأصلي أي تدرّج تقريبًا، وهذا شكل من مشكلة تلاشي التدرّج، لذلك جعلت ورقة Goodfellow المولّد يزيد احتمال أن يصنّف المميّز عيناته على أنها حقيقية. يستخدم الرمز أدناه دالة الخسارة غير المتشبعة هذه.

تتعلم شبكة GAN أحادية البعد توزيعًا غاوسيًا من العينات وحدها باستخدام PyTorch:

import torch
from torch import nn

torch.manual_seed(0)

# Generator maps 8-D noise to a number; discriminator scores a number as real (high) or fake (low)
generator = nn.Sequential(nn.Linear(8, 32), nn.ReLU(), nn.Linear(32, 1))
discriminator = nn.Sequential(nn.Linear(1, 32), nn.LeakyReLU(0.2), nn.Linear(32, 1))
opt_g = torch.optim.Adam(generator.parameters(), lr=1e-3)
opt_d = torch.optim.Adam(discriminator.parameters(), lr=1e-3)
bce = nn.BCEWithLogitsLoss()
real_label, fake_label = torch.ones(64, 1), torch.zeros(64, 1)

for step in range(3000):
    real = 4.0 + 1.25 * torch.randn(64, 1)  # training data: samples from N(4, 1.25^2)
    fake = generator(torch.randn(64, 8))

    # Discriminator step: label real samples 1 and generated samples 0
    loss_d = bce(discriminator(real), real_label) + bce(discriminator(fake.detach()), fake_label)
    opt_d.zero_grad()
    loss_d.backward()
    opt_d.step()

    # Generator step: push the discriminator to label generated samples 1
    loss_g = bce(discriminator(fake), real_label)
    opt_g.zero_grad()
    loss_g.backward()
    opt_g.step()

samples = generator(torch.randn(10000, 8)).detach()
print(f"Generated mean {samples.mean():.2f}, std {samples.std():.2f} (data: 4.00, 1.25)")
print(f"Discriminator's average P(real) on generated samples: {torch.sigmoid(discriminator(samples)).mean():.2f}")

بعد 3,000 خطوة متناوبة، يبلغ متوسط العينات المولّدة 3.95 وانحرافها المعياري 1.20، مقارنةً بـ 4.00 و1.25 للبيانات، ويمنحها المميّز احتمالًا متوسطًا قدره 0.51 لكونها حقيقية، وهو قريب من نتيجة رمي العملة عند النقطة المثلى نظريًا.

أبرز أنواع GAN#

• DCGAN: أتاح تصميم Alec Radford وLuke Metz وSoumith Chintala لعام 2015 تدريب المولّدات والمميّزات الالتفافية بصورة موثوقة، وذلك باستبدال طبقات التجميع بعمليات التفاف ذات خطوات متباعدة وإضافة تطبيع الدُفعات.
• GANs الشرطية وpix2pix: تتيح تغذية الشبكتين بتسمية فئة أو صورة مُدخلة للمولّد إنتاج نتيجة مطلوبة. يتعلم pix2pix (2017) الذي ابتكره Phillip Isola وزملاؤه تحويلات مزدوجة، مثل تحويل خرائط التسميات إلى صور شوارع والحواف إلى صور منتجات.
• CycleGAN: يتعلم التحويل بين مجموعتي صور من دون أمثلة مزدوجة، مثل تحويل الخيول إلى حُمُر وحشية أو مناظر الصيف إلى مناظر الشتاء، وذلك باشتراط إعادة الصورة المحوّلة إلى الصورة الأصلية.
• شبكة Wasserstein التوليدية التنافسية (WGAN): استبدل Martin Arjovsky وزملاؤه المصنّف بناقد يقدّر مسافة Wasserstein بين البيانات الحقيقية والمولّدة (2017)، ما يحافظ على فائدة التدرّجات حتى عندما لا يتداخل التوزيعان إلا قليلًا.
• StyleGAN: تُدخل StyleGAN من NVIDIA (2018) وStyleGAN2 (2019) متجه أسلوب متعلّمًا إلى كل طبقة في المولّد. وحققت StyleGAN2 مسافة Fréchet Inception (FID) قدرها 2.84 على صور وجوه بدقة 1024 x 1024 من مجموعة بيانات FFHQ.

التطبيقات#

• رفع الدقة: تضيف SRGAN (2017) وESRGAN (2018) وReal-ESRGAN (2021) خسارة تنافسية إلى شبكات رفع الدقة، ما يعيد الأنسجة الحادة التي تتحول إلى ضبابية عند استخدام خسارة البكسل وحدها.
• زيادة بيانات الصور الطبية: درّب Maayan Frid-Adar وزملاؤه شبكات GAN على صور التصوير المقطعي المحوسب لـ 182 آفة كبدية، وأضافوا الآفات الاصطناعية إلى التدريب؛ فارتفعت حساسية المصنّف من 78.6% إلى 85.7% ونوعيته من 88.4% إلى 92.4%.
• التزييف العميق: في دراسة أجراها Sophie Nightingale وHany Farid عام 2022، حدّد المشاركون وجوه StyleGAN2 على أنها حقيقية أو اصطناعية بدقة 48%، وهي أقل قليلًا من التخمين العشوائي، كما قيّموا الوجوه الاصطناعية على أنها أكثر جدارة بالثقة.

تُستخدم الصور التي تولّدها GAN بوصفها بيانات اصطناعية حيثما كانت الأمثلة الحقيقية نادرة، وكطبقة من زيادة البيانات إلى جانب التحويلات الهندسية مثل القلب والتدوير. وتُضاف إلى مجموعة تدريب YOLO26 مثل أي صور أخرى: يقبل قسم train في ملف YAML لمجموعة بيانات الكشف من Ultralytics قائمةً من المجلدات، لذا يمكن وضع الصور الاصطناعية في مجلد مستقل بجوار الصور الحقيقية، وإضافتها أو إزالتها بتعديل سطر واحد.

مقارنة GAN بنماذج الانتشار وVAEs#

تجاوزت نماذج الانتشار شبكات GAN في جودة الصور، بعد أن أفاد Prafulla Dhariwal وAlex Nichol من OpenAI عام 2021 بأن نموذج انتشار حقق FID أفضل على ImageNet من BigGAN-deep، أقوى GAN آنذاك. ويُعد تدريب نماذج الانتشار مسألة انحدار مستقرة بلا منافس، كما يغطي تنوع البيانات على نحو أشمل. وقد يتذبذب تدريب GAN من دون تقارب أو ينتهي إلى انهيار الأنماط، حيث يستقر المولّد على بضعة مخرجات تخدع المميّز ويتوقف عن إنتاج البقية. كما يُعد تدريب المشفّرات التلقائية التباينية مستقرًا، لكن عيناتها أكثر ضبابية. وتتمثل الميزة الدائمة لـ GAN في السرعة، إذ يتطلب أخذ العينات تمريرة أمامية واحدة: فقد أنتج GigaGAN، من Adobe Research وجامعة Carnegie Mellon وPOSTECH، نتائج تحويل النص إلى صورة بدقة 512 بكسل في 0.13 ثانية عام 2023. وتظل الخسائر التنافسية مستخدمة داخل أنظمة الانتشار أيضًا. إذ يُدرّب المشفّر التلقائي في Stable Diffusion باستخدام مميّز قائم على الرقع، ويستخدم SDXL Turbo من Stability AI تقطير الانتشار التنافسي، وهو شكل من تقطير المعرفة يتضمن مميّزًا في دالة الخسارة، لتوليد صورة في خطوة واحدة.