第四天來介紹非常重要的GAN~
GAN的全名是Generative Adversarial Network，中文為生成對抗網路。

GAN是一種深度學習模型，由生成網路、判別網路組成，兩者相互對抗性地學習。
1.生成網路：試圖生成的樣本應該要看起來像是真實數據（樣本）。
2.判斷網路：區分真實數據（樣本）或生出網路生成的偽造輸出。目標是正確辨別兩者。
這是用「博弈」的方式學習：
生成網路試圖騙過判別網路，生成看起來真實的數據。
判別網路則試圖更精確識別出偽造的數據。

和生成式AI有什麼關聯？
GAN是生成式AI的一個典型應用，能夠生成新數據，這些數據在影音、音頻或文本等非常有用。
優點：
生成高質量數據：GAN能夠生成看起來真實的數據，尤其在圖（影）像生成、音頻合成等領域，生成的內容往往難與真實數據區分。
數據增強：GAN可以生成與原始數據相似的樣本，從而解決數據集不足的問題，特別是在醫學圖像分析等需要大量標註數據的場景中應用廣泛。
缺點：
GAN訓練過程容易不穩定，特別是當生成器和判別器的能力不平衡時，可能導致模式崩潰現象，即生成器只生成少量樣本，無法覆蓋數據的完整分佈。

Deepfake是一種生成對抗網絡（GAN）的技術，它能夠合成逼真的人臉、語音或影像，並將一個人的面部表情或語音映射到另一個人身上。由於其強大的生成能力，人們難以分辨真假，有心人士利用此技術製作詐騙或色情影片。這不僅侵害當事人的隱私及名譽，也涉及法律與倫理問題，發展的同時也具嚴峻的挑戰。