GAN은 두 개의 모델이 대결하며 학습하는 자율학습(비지도학습)의 일종이다. 이안 굿펠로(Ian Goodfellow)는 처음 GAN을 제안하면서 ‘위조지폐범과 경찰’에 비유했다. 한 모델이 위조지폐범이고, 나머지 모델이 위조지폐를 감별하는 경찰이다. 경찰에게 진짜 지폐를 보여주면 경찰은 진짜 지폐의 특성 패턴을 학습한다. 그다음에는 위조지폐범이 위조지폐(가짜 데이터)를 마구 만들어낸다.

처음에는 엉성한 위조지폐를 만들어내므로 경찰이 쉽게 위조지폐를 가려낼 수 있지만, 점점 더 정교한 위조지폐를 만들고 위조지폐를 구분하는 과정을 계속 반복하는 경쟁적인 학습이 지속되다 보면 어느 순간 위조지폐범은 진짜와 다를 바 없는 위조지폐를 만들게 된다. 또한, 경찰은 위조지폐와 진짜 지폐를 구분할 수 없는 상태에 이르게 된다.

GAN을 이용한 인상 깊은 사례를 하나 살펴보자. 바로 사람 얼굴을 만들어내는 것이다. 100K Faces 프로젝트(https://medium.com/generated-photos/press-aaeb26e632d1)가 10만 개의 사람 얼굴 사진을 공개했는데, 사진 속에 등장하는 얼굴은 모두 인공지능이 만들어낸 가짜다.

▲ 그림 7-4 100K Faces 프로젝트 프레스 페이지에 실린 가상 인물(miro.medium.com/max/1280/1*uTdHMhkZZx2HT_x8BDSIRQ.jpeg)

실제처럼 보이지만 존재하지 않는 가상의 인물 사진을 만들어내는 것은 마치 소설 같다. 소설 속 이야기는 실제 벌어진 일이 아니라 소설가의 창작으로 만들어낸, 우리 주변에서 벌어질 법한 가상의 이야기이기 때문이다.