Ein GAN, oder Generative Adversarial Network, ist ein tiefes Lernmodell, das aus zwei neuralen Netzwerken besteht: einem Generator und einem Diskriminator. Der Generator erstellt neue Datenproben, während der Diskriminator versucht zu unterscheiden, ob die Datenproben aus dem echten Datensatz stammen oder vom Generator erzeugt wurden. Diese beiden Netzwerke arbeiten gegeneinander: Der Generator versucht, den Diskriminator zu täuschen, indem er immer realistischere Daten erzeugt, während der Diskriminator lernt, die gefälschten Daten besser zu erkennen. Dieser adversarielle Prozess führt dazu, dass beide Modelle im Laufe der Zeit besser werden. GANs werden häufig in der Bildgenerierung, der Kunstproduktion und in vielen anderen kreativen Anwendungen eingesetzt.