Generative Adversarial Networks (GANs) adalah kelas algoritma kecerdasan buatan yang digunakan dalam pembelajaran mesin. Mereka adalah sistem dua jaringan saraf, model generatif dan model diskriminatif. Model generatif digunakan untuk menghasilkan data, sedangkan model diskriminatif digunakan untuk menentukan apakah data yang dihasilkan asli atau palsu. GAN menggunakan permainan dinamis, di mana model generatif berupaya membuat data tampak nyata, sedangkan model diskriminatif berupaya mengenali data sebagai palsu.
GAN digunakan di area yang memerlukan sintesis data buatan, termasuk sintesis ucapan, pembuatan gambar, dan pembuatan musik. Model generatif dilatih untuk menghasilkan data yang tidak dapat dibedakan dengan data sebenarnya. Model diskriminatif dilatih untuk mampu membedakan data nyata dan data buatan. Model-model tersebut bekerja sama dalam satu lingkaran, di mana masing-masing model memperoleh pengetahuan dari model lainnya, sehingga memungkinkan model tersebut meningkatkan performanya. GAN dapat menghasilkan data dengan resolusi yang jauh lebih tinggi dibandingkan metode tradisional.
GAN adalah konsep yang relatif baru di bidang ilmu komputer, pertama kali diusulkan pada tahun 2014. Sejak itu, GAN telah banyak diteliti, dan digunakan di berbagai bidang, termasuk visi komputer, pemrosesan bahasa alami, dan desain generatif. GAN telah menunjukkan potensi besar di berbagai bidang, dan kemungkinan besar akan terus menjadi salah satu algoritme populer di tahun-tahun mendatang.