"생성자(Generator)"와 "감별자(Discriminator)"로 불리는 두 신경망 모델을 통해 실제와 가까운 결과물을 만들어내는 딥러닝 시스템을 말한다. 생성자가 만들어낸 데이터를 감별자가 구분하는데, 이 과정에서 감별자를 속이지 못한 데이터를 생성자가 다시 학습하고, 생성자에게 속은 데이터를 감별자가 다시 학습하여 점차 결과물의 질을 높이는 원리다.
두 신경망 모델의 경쟁을 통해 실제와 가까운 이미지나 영상 등의 결과물을 만들어내는 딥러닝 시스템을 말한다. 이는 2014년 미국의 컴퓨터 과학자인 이안 굿펠로(Ian Goodfellow)가 처음 고안한 개념으로, 생성된 데이터의 질을 높이기 위해 "생성자(Generator)"와 "감별자(Discriminator)"로 불리는 두 신경망 모델을 활용한다.
우선 생성자는 학습한 실제 데이터를 바탕으로 거짓 데이터를 생성한다. 감별자에게는 생성자가 만들어낸 데이터와 실제 데이터가 함께 주어지고, 이들 데이터가 진짜인지 가짜인지를 구분하는 과정을 거친다. 이후 생성자는 감별자를 속이지 못한 데이터를, 감별자는 생성자에게 속은 데이터를 입력받아 학습하고, 이 과정이 반복되면서 생성자와 감별자의 성능이 점차 개선, 점점 실제와 가까운 데이터를 형성할 수 있게 되는 것이다.
기존에는 사람이 직접 데이터 중 무엇이 진짜이고, 무엇이 가짜인지를 일일이 알려줘야 했으나, GAN을 활용하면 사람이 개입하지 않고도 컴퓨터 스스로 질 높은 데이터를 생성할 수 있다는 장점이 있다. 이는 주로 인공지능(AI)이 외부 데이터를 스스로 조합해 특정 영상 등에 합성하는 딥페이크 기술에 사용되는데, 매우 정교한 가짜 콘텐츠를 무분별하게 생성할 수 있다 보니 디지털 성범죄나 가짜뉴스 제작 등에 악용되기도 한다.
