Lernen durch Rivalität: Neuronale Netze generieren Inhalte

Bildermacher

Gerhard Völkl

Generative Adversarial Networks (GAN) sind neuronale Netze, die beispielsweise Texte, Bilder, Videos oder Musik erzeugen. Bei GAN treten zwei neuronale Netze gegeneinander an, um immer besser zu werden.

Wenn man einen kurzen Blick auf das Landschaftsbild in Abbildung 1 wirft, fällt einem im ersten Moment nichts Bestimmtes auf. Das Foto könnte irgendwo in Deutschland aufgenommen worden sein. Ein Blick auf die Details, etwa die Baumstämme oder den Lichteinfall, erzeugt das Gefühl, dass irgendetwas hier nicht stimmt.

Wo ist diese Landschaft zu finden? In Deutschland? Oder eher in Nordfrankreich? (Abb. 1)

Die Lösung: Diese Landschaft gibt es nicht. Das Bild wurde von einem Programm (GauGAN) generiert. Möglich macht das eine Idee, die Ian Goodfellow 2014 hatte. Er ging mit einem Kollegen in einen Pub und beide diskutierten über eine der größten Herausforderungen beim Deep Learning: die Menge an Beispielen, die ein neuronales Netz zum Lernen braucht. Bei der Bilderkennung sind Tausende von Bildern notwendig. Diese muss sich vorher ein Mensch ansehen und beschreiben, was darauf zu sehen ist (Labeling), damit später der Lernprozess weiß, ob das Ergebnis des neuronalen Netzes richtig oder falsch ist.