Generative Adversarial Networks (GAN): যখন দুটি AI একে অপরকে শেখায়

Generative Adversarial Network বা সংক্ষেপে GAN এমন একটি মেশিন লার্নিং পদ্ধতি, যেখানে দুটি নিউরাল নেটওয়ার্ক একে অপরের বিরুদ্ধে কাজ করে এবং এভাবেই তারা একে অপরকে উন্নত করে। এটি মূলত একটি Generative Model যা নতুন এবং বাস্তবসম্মত ডেটা তৈরি করতে সক্ষম।

🧠 GAN-এর মূল ধারণা

GAN দুটি অংশে বিভক্ত:

• Generator: নতুন, কল্পিত ডেটা তৈরি করে।
• Discriminator: বলে দেয় ডেটা আসল না নকল।

Generator একটি random noise থেকে ছবি তৈরি করে, আর Discriminator বলে এটি আসল না ভুয়া। উভয়েই একে অপরকে "ছক্কা" দিতে চায়, এবং এই প্রতিযোগিতা থেকেই জন্ম নেয় অবিশ্বাস্য ডেটা!

🎨 ব্যবহারক্ষেত্র

• নতুন ছবি তৈরি (যেমন: মানুষের মুখ, শিল্পকর্ম)
• ডেটা Augmentation
• Video Game Character Generation
• Style Transfer ও ফেক ইমেজ ডিটেকশন

💻 সহজ GAN কোড উদাহরণ (TensorFlow)

import tensorflow as tf
from tensorflow.keras import layers
import numpy as np

# Generator Model
def make_generator_model():
    model = tf.keras.Sequential([
        layers.Dense(128, activation='relu', input_shape=(100,)),
        layers.Dense(784, activation='sigmoid')
    ])
    return model

# Discriminator Model
def make_discriminator_model():
    model = tf.keras.Sequential([
        layers.Dense(128, activation='relu', input_shape=(784,)),
        layers.Dense(1, activation='sigmoid')
    ])
    return model

generator = make_generator_model()
discriminator = make_discriminator_model()

cross_entropy = tf.keras.losses.BinaryCrossentropy()

# Training step (simplified)
@tf.function
def train_step(real_images):
    noise = tf.random.normal([32, 100])
    generated_images = generator(noise)

    with tf.GradientTape() as disc_tape:
        real_output = discriminator(real_images)
        fake_output = discriminator(generated_images)
        disc_loss = cross_entropy(tf.ones_like(real_output), real_output) + \
                    cross_entropy(tf.zeros_like(fake_output), fake_output)

    gradients = disc_tape.gradient(disc_loss, discriminator.trainable_variables)
    tf.keras.optimizers.Adam().apply_gradients(zip(gradients, discriminator.trainable_variables))

🔍 GAN বনাম VAE

বিশেষত্ব	GAN	VAE
উৎপাদন কৌশল	Discriminator/Generator	Probabilistic Encoding
আউটপুটের মান	উন্নতমানের	মাঝারি মানের
Stable Training	কম	বেশি

---

✍️ লেখক পরিচিতি

Amanul Islam একজন গবেষক ও PhD শিক্ষার্থী, যিনি Security নিয়ে গবেষণা করছেন University of Colorado at Colorado Springs-এ। তাঁর আগ্রহের বিষয় হলো Machine Learning, AI Security, এবং Data Privacy। তিনি বাংলায় প্রযুক্তি শিক্ষার প্রসারে ICT Academy Bangladesh-এর মাধ্যমে কাজ করছেন।

👉 ব্লগটি পছন্দ হলে শেয়ার করুন এবং পড়তে থাকুন: ICT Academy Bangladesh

🔮 পরবর্তী ব্লগ:

Time Series Forecasting: ভবিষ্যতের ডেটা এখন আপনার হাতে!