जनरेटिव एडवरसैरियल नेटवर्क (Generative Adversarial Network) एक साथ काम करने वाले दो प्रतिस्पर्धी नेटवर्क (Competing Networks) का एक समूह है। इसमें एक को जनरेटर (Generator) और दूसरे को डिस्क्रिमिनेटर (Discriminator) कहा जाता है। ये दोनों एक खेल (Game) की तरह काम करते हैं जहाँ जनरेटर फर्जी डेटा (Fake Data) बनाता है और डिस्क्रिमिनेटर उसे पकड़ने की कोशिश करता है।
जनरेटर का मुख्य लक्ष्य (Goal) इतना वास्तविक डेटा बनाना होता है कि डिस्क्रिमिनेटर भी धोखा खा जाए। जैसे-जैसे प्रशिक्षण बढ़ता है, जनरेटर की गुणवत्ता (Quality) में सुधार होता है और वह असली जैसी दिखने वाली छवियाँ या आवाजें बनाने लगता है। इस प्रतिस्पर्धा (Competition) के कारण जो परिणाम निकलकर आते हैं, वे अत्यंत उच्च गुणवत्ता (High Quality) और यथार्थवादी होते हैं।
इसका उपयोग कलात्मक रचनाओं (Artistic Creations) और यथार्थवादी मानव चेहरे बनाने में व्यापक रूप से किया जाता है जो वास्तव में मौजूद ही नहीं हैं। मनोरंजन उद्योग (Entertainment Industry) में स्पेशल इफेक्ट्स (Special Effects) और गेमिंग (Gaming) में उच्च रिज़ॉल्यूशन वाली बनावट (Textures) तैयार करने के लिए इसका उपयोग होता है। यह रचनात्मकता (Creativity) और तकनीक का एक अनूठा संगम है।
डेटा ऑग्मेंटेशन (Data Augmentation) के क्षेत्र में भी यह बहुत सहायक है, जहाँ प्रशिक्षण के लिए वास्तविक डेटा कम होता है। यह कृत्रिम डेटा (Synthetic Data) तैयार करके मॉडल की ट्रेनिंग को बेहतर बनाता है। चिकित्सा अनुसंधान (Medical Research) में नई दवाओं की खोज और अणुओं की संरचना को समझने में भी इसका उपयोग किया जा रहा है। यह तकनीक शून्य से कुछ नया बनाने की क्षमता (Ability) रखती है।
डिपफेक (Deepfake) जैसी विवादास्पद तकनीकों के पीछे भी यही एल्गोरिदम कार्य करता है, इसलिए इसके नैतिक उपयोग (Ethical Use) पर भी चर्चा हो रही है। इसकी कल्पना शक्ति (Imagination Power) मशीनों को एक नए स्तर पर ले जाती है। यह डिजिटल दुनिया में वास्तविकता (Reality) और कल्पना (Fiction) के बीच की रेखा को धुंधला कर रहा है।
