Generative Adversarial Network (GAN)

Mạng sinh đối kháng (GAN) là một framework tiên tiến trong lĩnh vực trí tuệ nhân tạo (AI), được thiết kế để tạo ra các instance dữ liệu mới tương tự dữ liệu training của bạn. Được giới thiệu trong một bài báo đột phá của Ian Goodfellow và các cộng sự vào năm 2014, GAN hoạt động dựa trên một nguyên lý độc đáo: sự cạnh tranh giữa hai neural network riêng biệt. Kiến trúc này đã trở thành nền tảng của AI tạo sinh hiện đại, cho phép tạo ra hình ảnh chân thực, cải thiện video và tổng hợp các dataset training đa dạng cho những tác vụ machine learning phức tạp.

Kiến trúc đối kháng#

Cơ chế cốt lõi của GAN bao gồm hai model được training đồng thời trong một trò chơi có tổng bằng không, thường được mô tả bằng phép tương tự giữa kẻ làm tiền giả và thám tử.

• Generator: Network này hoạt động như một "kẻ làm tiền giả". Nó nhận nhiễu ngẫu nhiên (một latent vector) làm input và cố gắng tạo ra dữ liệu—chẳng hạn như một hình ảnh—trông chân thực. Mục tiêu chính của nó là đánh lừa discriminator để discriminator tin rằng output được tạo ra là dữ liệu thật. Quy trình này đóng vai trò nền tảng trong việc tạo dữ liệu tổng hợp chất lượng cao.
• Discriminator: Hoạt động như một "thám tử", network này đánh giá các input để phân biệt giữa các sample thực tế từ dữ liệu training và các sample giả do generator tạo ra. Nó hoạt động như một binary classifier tiêu chuẩn, xuất ra xác suất cho biết input có phải là dữ liệu thật hay không.

Trong quá trình training, generator tối thiểu hóa xác suất discriminator phân loại đúng, trong khi discriminator tối đa hóa chính xác suất đó. Vòng lặp đối kháng này tiếp tục cho đến khi hệ thống đạt đến cân bằng Nash, một trạng thái trong đó generator tạo ra dữ liệu chân thực đến mức discriminator không còn phân biệt được dữ liệu đó với các mẫu trong thế giới thực.

Ứng dụng thực tế trong AI thị giác#

GAN đã vượt ra ngoài lý thuyết học thuật để giải quyết các vấn đề thực tiễn trong nhiều ngành, đặc biệt là thị giác máy tính.

1. Tăng cường dữ liệu cho training model: Trong các trường hợp dữ liệu khan hiếm hoặc nhạy cảm về quyền riêng tư, chẳng hạn như phân tích hình ảnh y tế, GAN được sử dụng để tạo ra các sample tổng hợp chân thực. Ví dụ, việc tạo các ảnh chụp MRI tổng hợp cho phép các nhà nghiên cứu training các model chẩn đoán mạnh mẽ mà không làm ảnh hưởng đến quyền riêng tư của bệnh nhân. Kỹ thuật này cũng rất quan trọng đối với xe tự hành, nơi GAN có thể mô phỏng các điều kiện thời tiết hoặc tình huống giao thông hiếm gặp để cải thiện độ an toàn.

2. Super-resolution và cải thiện hình ảnh: GAN đặc biệt hiệu quả trong super-resolution, tức quá trình upscale hình ảnh độ phân giải thấp lên độ nét cao đồng thời tạo ra các chi tiết hợp lý. Kỹ thuật này được sử dụng rộng rãi để phục hồi các kho lưu trữ lịch sử, cải thiện hình ảnh vệ tinh cho lập bản đồ toàn cầu và nâng cao chất lượng streaming video.

3. Chuyển đổi style: Ứng dụng này cho phép áp dụng style thẩm mỹ của một hình ảnh vào nội dung của hình ảnh khác. Các công cụ như CycleGAN cho phép thực hiện những chuyển đổi như biến ảnh ban ngày thành cảnh ban đêm hoặc chuyển bản phác thảo thành mockup sản phẩm chân thực, giúp tinh gọn workflow trong AI trong ngành bán lẻ thời trang.

Sự khác biệt giữa GAN và model diffusion#

Mặc dù cả hai đều là công nghệ tạo sinh, điều quan trọng là phải phân biệt GAN với model diffusion như các model được sử dụng trong Stable Diffusion.

• Tốc độ inference: GAN thường tạo dữ liệu trong một lần forward pass, khiến chúng nhanh hơn đáng kể khi inference thời gian thực.
• Độ ổn định khi training: Model diffusion hoạt động bằng cách lặp đi lặp lại việc loại bỏ nhiễu khỏi hình ảnh, nhìn chung mang lại quá trình training ổn định hơn và độ bao phủ mode cao hơn (đa dạng hơn). Ngược lại, GAN có thể gặp phải hiện tượng "mode collapse", trong đó generator chỉ tạo ra một số lượng output hạn chế, mặc dù các kỹ thuật như Wasserstein GAN (WGAN) có thể giúp giảm thiểu vấn đề này.

Tích hợp dữ liệu do GAN tạo ra với YOLO#

Một trường hợp sử dụng mạnh mẽ của GAN là tạo các dataset tổng hợp để training model object detection như YOLO26. Nếu bạn không có đủ hình ảnh trong thế giới thực về một lỗi hoặc object cụ thể, GAN có thể tạo ra hàng nghìn biến thể được gán nhãn. Sau đó, bạn có thể quản lý các dataset này và training model bằng Ultralytics Platform.

Ví dụ sau đây minh họa cách load một model Ultralytics YOLO26 để training trên một dataset, trong đó có thể tích hợp liền mạch các hình ảnh tổng hợp do GAN tạo ra nhằm cải thiện hiệu suất:

from ultralytics import YOLO

# Load the YOLO26 model (Latest stable Ultralytics model)
model = YOLO("yolo26n.pt")

# Train the model on a dataset configuration file
# The dataset path defined in 'coco8.yaml' can contain both real and GAN-generated images
results = model.train(data="coco8.yaml", epochs=5, imgsz=640)

# Verify the model performance on validation data
metrics = model.val()

Thách thức và các yếu tố cần cân nhắc#

Bất chấp những khả năng đó, việc training GAN đòi hỏi phải tinh chỉnh hyperparameter cẩn thận. Các vấn đề như hiện tượng vanishing gradient có thể xảy ra nếu discriminator học quá nhanh, khiến generator không nhận được phản hồi có ý nghĩa. Hơn nữa, khi GAN ngày càng có khả năng tạo ra deepfake, ngành này ngày càng tập trung vào đạo đức AI và phát triển các phương pháp phát hiện nội dung do AI tạo ra.