GAN คืออะไร? อธิบายโครงข่ายปฏิปักษ์ก่อกำเนิดสำหรับมือใหม่

Updated · By Viviai

GAN (Generative Adversarial Network) หรือโครงข่ายปฏิปักษ์ก่อกำเนิด คือสถาปัตยกรรมปัญญาประดิษฐ์ที่ใช้โครงข่ายประสาทสองตัวแข่งขันกัน ตัวหนึ่งสร้างข้อมูลปลอม อีกตัวคอยแยกว่าข้อมูลไหนจริงข้อมูลไหนปลอม จนในที่สุดตัวสร้างก็สร้างผลลัพธ์ที่แยกจากของจริงได้ยาก แนวคิดนี้เสนอโดย Ian Goodfellow และคณะในปี 2014 และจัดเป็นหนึ่งในโมเดลสร้างข้อมูลของ การเรียนรู้เชิงลึก

GAN มักใช้สร้างภาพ ใบหน้า และเสียง และเป็นรากฐานของงาน AI สร้างเนื้อหา หลายรูปแบบ

แนวคิดเรื่องการแข่งขัน

ลองนึกถึงช่างปลอมแปลงภาพกับผู้เชี่ยวชาญพิสูจน์ภาพ ช่างปลอมพยายามวาดภาพให้เหมือนจริงที่สุด ส่วนผู้เชี่ยวชาญคอยจับผิด ทุกครั้งที่ถูกจับได้ ช่างปลอมก็แก้ไขงานให้ดีขึ้น เมื่อเวลาผ่านไป ภาพปลอมก็สมจริงขึ้นเรื่อย ๆ GAN ทำงานในลักษณะเดียวกันผ่านโครงข่ายสองตัว

ทั้งสองตัวเป็นโครงข่ายประสาทเทียม ที่ถูกปรับค่าพร้อมกัน แต่มีเป้าหมายตรงข้ามกัน

ขั้นตอนการทำงาน

  1. ตัวสร้างเริ่มจากสัญญาณสุ่มและสร้างตัวอย่างปลอม
  2. ตัวจำแนกเห็นตัวอย่างจริงปะปนกับตัวอย่างปลอมแล้วให้คะแนนความน่าจะเป็นว่าเป็นของจริง
  3. ระบบคำนวณความผิดพลาดของแต่ละฝ่าย
  4. ตัวจำแนกถูกปรับให้แยกของปลอมเก่งขึ้น ส่วนตัวสร้างถูกปรับให้หลอกตัวจำแนกได้ดีขึ้น
  5. ทำซ้ำหลายรอบจนกว่าตัวจำแนกจะแยกได้ยากและให้คะแนนของจริงกับของปลอมใกล้เคียงกัน

เกมค่าต่ำสุด–สูงสุด

การฝึก GAN อธิบายได้ด้วยเกมที่ผลประโยชน์รวมเป็นศูนย์ ตัวสร้างพยายามทำให้ตัวจำแนกเข้าใจผิด ส่วนตัวจำแนกพยายามจำแนกให้ถูก ในสภาวะสมดุลทางทฤษฎี ตัวสร้างจะสร้างข้อมูลที่แจกแจงใกล้เคียงข้อมูลจริง และตัวจำแนกจะไม่สามารถแยกความแตกต่างได้อย่างน่าเชื่อถือ

GAN เทียบกับโมเดลสร้างข้อมูลแบบอื่น

ด้าน GAN Autoencoder
เป้าหมาย สร้างข้อมูลใหม่ที่เหมือนจริง บีบอัดและสร้างข้อมูลกลับมา
โครงสร้าง สองตัวแข่งขันกัน ตัวเข้ารหัสและตัวถอดรหัส
การสุ่ม สร้างจากสัญญาณสุ่มได้โดยตรง มักต้องเพิ่มกลไกการสุ่ม
การฝึก เสถียรภาพทำได้ยากกว่า ฝึกได้ค่อนข้างตรงไปตรงมา

สำหรับภาพสมัยใหม่ โมเดล diffusion ก็เป็นอีกทางเลือกที่นิยมและมักให้คุณภาพสูง

การใช้งานที่พบบ่อย

ความท้าทาย

คำถามที่พบบ่อย

GAN คืออะไร สรุปสั้น ๆ? เป็นโครงข่ายสองตัวที่แข่งขันกัน ตัวหนึ่งสร้างข้อมูลปลอม อีกตัวคอยแยกของจริงกับของปลอม จนตัวสร้างสร้างผลลัพธ์ที่ดูสมจริง

ตัวสร้างกับตัวจำแนกต่างกันอย่างไร? ตัวสร้างสร้างข้อมูลจากสัญญาณสุ่มและพยายามหลอก ส่วนตัวจำแนกประเมินว่าข้อมูลแต่ละชิ้นน่าจะเป็นของจริงหรือของปลอม

GAN ใช้ทำอะไรได้บ้าง? ใช้สร้างภาพ ใบหน้า งานศิลปะ เสียง วิดีโอ และช่วยปรับปรุงหรือเติมเต็มภาพ

มอดคอลแลปส์คืออะไร? คือปัญหาที่ตัวสร้างสร้างตัวอย่างซ้ำ ๆ แค่ไม่กี่รูปแบบ ทำให้โมเดลไม่ครอบคลุมความหลากหลายของข้อมูลจริง

GAN ต่างจาก diffusion อย่างไร? GAN ใช้สองโครงข่ายแข่งขันและสร้างผลลัพธ์ในขั้นเดียว ส่วน diffusion ค่อย ๆ ขจัดสัญญาณรบกวนหลายขั้น และมักให้ภาพคุณภาพสูงแต่ใช้เวลามากกว่า

ขั้นตอนถัดไป

เพื่อให้เห็นภาพรวม ควรอ่านเรื่อง การเรียนรู้เชิงลึกคืออะไร และ โครงข่ายประสาทเทียมคืออะไร จากนั้นจึงศึกษาแนวคิดของ autoencoder และโมเดล diffusion ต่อไป ซึ่งเป็นอีกสองวิธีสร้างข้อมูลที่นิยมนำมาเปรียบเทียบกับ GAN

Sources

  1. https://th.wikipedia.org/wiki/โครงข่ายปฏิปักษ์ก่อกำเนิด
  2. https://www.cp.eng.chula.ac.th/~prabhas//teaching/ai/2025/lecture-note/GAN-and-LLM.pdf

Learn by doing

Read a guide, then practice with bite-sized AI lessons you can take offline.

Start learning free