1.5.1 – Modelos Generativos
1.5.1.1 – Redes Neurais Generativas
o que são modelos generativos
Modelos generativos aprendem a distribuição de probabilidade dos dados para gerar novos exemplos. Diferente de modelos discriminativos, eles não apenas classificam, mas criam conteúdo original. Primeiramente, capturam a estrutura subjacente dos dados de treinamento. Além disso, amostram dessa distribuição para produzir amostras inéditas. Por exemplo, gerar imagens, texto, áudio ou vídeo realistas.
principais arquiteturas generativas
GANs, VAEs, modelos de difusão e autoregressivos são as arquiteturas principais. Primeiramente, GANs usam competição entre gerador e discriminador para realismo. Além disso, VAEs aprendem espaços latentes contínuos e estruturados. Modelos de difusão iteram remoção de ruído para alta qualidade.
aprendizado de distribuição
Modelos generativos aprendem a distribuição P(X) em vez de P(Y|X). Primeiramente, isso permite gerar dados sem condicionamento ou com condicionamento. Além disso, podem responder a perguntas sobre probabilidade dos dados. Por exemplo, detectar anomalias por baixa probabilidade.
aplicações e revolução criativa
Modelos generativos transformaram criação de conteúdo e arte digital. Primeiramente, geram imagens realistas a partir de texto com DALL-E, Midjourney. Além disso, criam músicas, vídeos e modelos 3D. Por exemplo, ChatGPT gera texto criativo e coerente. Para iniciantes, mostra IA como ferramenta criativa. É uma das áreas mais empolgantes do aprendizado de máquina.
