Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Gestión de la
Información
Redes Generativas
Antagónicas – GAN´s
Agosto 2019
FACULTAD DE POSGRADO
INVESTIGACIÓN
SUSTENTADO POR:
ALEXANDRA VALLADARES
NIDIA IRIAS
WILDRINH RAMIREZ
AGOSTO 2019
Resumen Ejecutivo
Las GAN´s son un tipo de inteligencia artificial, que utiliza dos sistemas
neuronales que permiten la creación de caras, imágenes, objetos entre otros que
nunca han existido.
1. Introducción ........................................................................................................... 3
4. Desarrollo .............................................................................................................. 4
5. Conclusiones ....................................................................................................... 14
6. Bibliografía........................................................................................................... 15
Indicen de Ilustraciones
Ilustración 1 Funcionamiento de las GAN´s ................................................................. 6
Ilustración 2 Aplicación de las GAN´s .......................................................................... 7
Ilustración 3 Colapso Modal .......................................................................................... 8
Ilustración 4 Convergencia............................................................................................ 9
Ilustración 5 Calidad ................................................................................................... 10
Ilustración 6 Generador de Dormitorios....................................................................... 11
Ilustración 7 Fotos a partir de bocetos ........................................................................ 11
Ilustración 8 10 Yars challenge ................................................................................... 12
Ilustración 9 Generador de imágenes a través de texto .............................................. 12
Ilustración 10 Thispersondoesnotexist.com ............................................................... 13
Ilustración 11 Style GAN´s ......................................................................................... 13
Ilustración 12 Generación de paisajes realistas a partir de bocetos .......................... 14
Ilustración 13 No sólo para imágenes ........................................................................ 14
2
1. Introducción
2. Objetivo General
Conocer como la inteligencia artificial a través de las Redes Generativas
Antagónicas (GAN´s), están generando nueva tecnología y su impacto en el
mundo actual.
3
4. Desarrollo
4.1. Definición
Uno de los jóvenes, Ian Goodfellow, del grupo de debate, decidió probar
que tenía razón y escribió un código de madrugada. Posteriormente lo envió a
sus compañeros y luego trazaron un plan.
4
4.3. Tipos de Redes Neuronales
Los tipos de Redes neuronales se clasifican en dos tipos, mismos que se detallan
a continuación:
Las GAN´s funcionan por medio de dos redes neuronales (Red Generador
y Red Discriminador) mismas que permiten crear y refinar nuevos datos.
Dicho de otro modo, las GAN’s se pueden comparar con el juego del gato
y el ratón. Es decir, el generador está tratando de evitar al discriminador
haciéndole creer que la entrada que le está proporcionando es auténtica.
(BUHIGAS, 2019)
5
Ilustración 1 Funcionamiento de las GAN´S ´s
6
También se pueden usar en los nuevos sistemas de IA para la conducción
automática de vehículos y para acelerar la investigación en cualquier área donde
esté presente la IA.
4.6.2. Desventajas
7
No existe una representación explicita de la distribución del generador que
provenga de los datos de entrenamiento, en lugar, el cual debe de sincronizar
bien con la distribución de los datos que se enfrenta con 2 red durante el
entrenamiento.
Las GAN´s tiene un potencial para el mal, una maquina diseñada para crear
falsificaciones (generador de mentiras, noticias falsas, una herramienta
perfecta para la manipulación política o la difamación).
Se puede engañar al discriminador fácilmente, lo que produce la red
generativa no será realista. (Silva, 2015)
4.6.3. Inconvenientes
Colapso modal
8
Convergencia
Ilustración 10 Convergencia
Gráfico de una
Ilustración 11 CalidadIlustración 12 Convergencia
función típica de
pérdida de GAN´s. Observa cómo la convergencia no puede ser interpretada
desde este gráfico. El problema de la convergencia es uno de los más
habituales.
Calidad
9
Al igual que con el problema
anterior, es difícil determinar
cuantitativamente cuándo el generador
produce muestras de alta calidad. La
regularización perceptual adicional añadida
a la función de pérdida puede ayudar a
mitigar este problema hasta cierto punto,
Ilustración 13 Calidad
pero la duda es básicamente la misma.
Ilustración 14 Generador de
DormitoriosIlustración 15 Calidad
Métricas
Se podría usar GAN´s para diseñar chips más rápidos, autos más
eficientes, edificios que sean más resistentes a los terremotos, o que sean más
económicos de construir. Toda esta tecnología es muy incipiente, por ahora es
difícil que un sistema de deep learning funcione. Se necesita un experto que lo
realice, no es algo que se puede esperar que funcione solo en cualquiera
aplicación, pero a medida que vayamos mejorando, se espera ver esta
tecnología cada vez en más áreas. Y empezará a ser algo que facilitará la vida
10
y hará que diferentes industrias sean más eficientes. Por ahora es más que nada
una herramienta de entretenimiento.
11
genera un mapa a partir de la imagen de satélite, se convierte una foto de día a
de noche y se genera una foto en color a partir de una en blanco y negro.
10 years challenge
Para los que participaron en el 10 years challenge, a lo mejor ayudaron con
vuestras fotos a mejorar este otro trabajo. En la siguiente imagen puedes ver
cómo el modelo generativo crea diferentes versiones de caras condicionadas a
la edad que queramos.
12
Thispersondoesnotexist.com
thispersondoesnotexist.com es una web creada por nvidia que crea caras
en alta definición de personas que no existen. Aquí tienes un ejemplo de 3 caras
que he obtenido.
Ilustración 28 Thispersondoesnotexist.com
13
Ilustración 34 Generación de paisajes realistas a partir de bocetos
5. Conclusiones
14
Las Redes Generativas Antagónicas (GAN´s) tienen como finalidad dotar
a las maquinas con algo parecido a la imaginación, lo que reducirá la
dependencia de los humanos, sustituyendo la imaginación y la
creatividad, aprender cosas sobre el mundo y su funcionamiento.
Con los avances de la inteligencia artificial respecto a las redes
generativas antagónicas el futuro de la humanidad en relación con la
producción de trabajo y comunicación se prevé un alto problema de
desempleo por el cambio de las relaciones entre patrones y trabajadores.
De momento las GAN´s tienen más vocación para generar contenido falso
(deep fakes) que cualquier otra actividad. Esto podría traernos
consecuencias indeseadas.
Si a las GAN´s se les da un uso adecuado, en el futuro puede ser una
herramienta clave en el desarrollo tecnológico de la salud, la industria, la
economía y la comunicación.
6. Bibliografía
15
Wikipedia. (22 de 03 de 2019). Obtenido de Wikipedia:
https://es.wikipedia.org/wiki/Red_generativa_antag%C3%B3nica
16