Terbitan

Generative Adversarial Network (GAN) untuk Pembuatan Citra Realistis

Oleh : Maria Mediatrix Sebatubun, S.Kom., M.Eng.
Dosen Prodi : Informatika Universitas Teknologi Digital Indonesia
Bidang Keminatan Penulis : Computer Vision, Digital Image Processing, Pattern Recognation

Apakah anda pernah menggunakan aplikasi FaceApp, Deepart.io, GenAI? Yaa, aplikasi-aplikasi tersebut merupakan Artificial Intelligence (AI) Art Generator atau aplikasi yang digunakan untuk membuat karya seni menggunakan teknologi AI. Pada saat ini, teknologi khususnya AI berkembang dengan sangat pesat. Hal ini dibuktikan dengan munculnya berbagai mesin atau robot canggih yang digunakan untuk membantu pekerjaan manusia, mobil pintar yang bisa berjalan tanpa driver, dan software atau aplikasi-aplikasi pintar yang mampu menyelesaikan berbagai tugas atau pertanyaan seperti ChatGPT, Gemini, Grammarly, Otter.ai, Jasper, dan lain sebagainya. Tidak hanya itu, teknologi AI saat ini juga mampu membuat karya seni dalam waktu beberapa menit, jauh lebih cepat dibandingkan manusia. Lantas, bagaimana komputer bisa membuat karya seni?

Mari berkenalan dengan teknologi Generative Adversarial Networks (GAN). GAN adalah salah satu inovasi terbesar dalam bidang AI khususnya deep learning, yang memungkinkan komputer untuk membuat citra (gambar), video atau bahkan suara yang tampak sangat nyata, meskipun sebenarnya tidak ada di dunia nyata, sehingga sulit dibedakan dari gambar nyata. Teknologi ini pertama kali diperkenalkan oleh ilmuwan komputer Ian Goodfellow pada tahun 2014. Secara sederhana, GAN adalah model AI yang bisa menciptakan sesuatu yang baru berdasarkan data yang sudah ada. Misalnya, GAN bisa membuat wajah manusia yang terlihat nyata, padahal wajah itu tidak benar-benar ada. Dengan GAN, komputer bisa membuat wajah-wajah baru yang belum pernah ada, atau mengubah foto resolusi rendah menjadi citra yang tajam dan berkualitas tinggi. Teknologi ini memiliki dampak yang signifikan dalam berbagai bidang seperti pada :

1. Industri Kreatif: GAN membantu desainer, seniman, dan pengembang game untuk menciptakan gambar, karakter, atau lingkungan yang realistis tanpa harus menggambar atau membuatnya dari nol.
2. Pemulihan dan Peningkatan Gambar: GAN bisa memperbaiki foto lama atau rusak dengan menambahkan detail yang hilang atau meningkatkan kualitas gambar yang buram.
3. Medis: Dalam dunia kesehatan, GAN digunakan untuk menganalisis citra medis seperti hasil CT (Computer Tomography) scan atau MRI (Magnetic Resonance Imaging), membantu dokter dalam mendeteksi berbagai penyakit.
4. E-commerce: Di industri fashion, GAN digunakan untuk membuat desain pakaian virtual yang kemudian bisa digunakan oleh perancang busana untuk membuat koleksi baru.

Bagaimana GAN bisa melakukan semua hal tersebut? Cara kerja GAN bisa dijelaskan seperti “kompetisi” antara dua bagian yaitu Generator dan Discriminator.

1. Generator adalah bagian yang bertugas membuat citra atau data palsu dan berusaha untuk membuat sesuatu yang terlihat nyata.
2. Discriminator adalah bagian yang berfungsi seperti "polisi" atau kritikus yang akan mencoba mendeteksi apakah citra atau data yang dibuat oleh Generator itu asli atau palsu.

Generator akan terus berusaha memperbaiki hasil buatannya supaya bisa "menipu" Discriminator. Sementara itu, Discriminator akan terus belajar membedakan antara citra asli dan citra palsu. Keduanya berkompetisi sampai Generator bisa menghasilkan citra yang sangat mirip dengan citra asli. Dengan cara ini, GAN mampu membuat citra atau video yang terlihat sangat nyata.

Meskipun GAN menawarkan berbagai manfaat bagi manusia, teknologi ini juga memunculkan tantangan, terutama dalam hal etika. Salah satu isu terbesar adalah pembuatan deepfake, di mana GAN digunakan untuk membuat video atau citra palsu yang terlihat sangat realistis. Ini bisa digunakan untuk tujuan yang tidak etis, seperti memanipulasi informasi atau mencemarkan nama baik seseorang. Selain itu, permasalahan lain yang muncul seperti :

1. Kehilangan Privasi: GAN bisa digunakan untuk memanipulasi citra atau video orang tanpa izin mereka, yang bisa menimbulkan masalah privasi.
2. Penggantian Pekerjaan: Di beberapa industri, penggunaan AI dan GAN bisa menggantikan pekerjaan manusia, terutama di bidang desain, produksi, dan analisis citra. Ini bisa memicu kekhawatiran tentang pengurangan lapangan kerja.
3. Kesenjangan Akses Teknologi: Tidak semua orang atau perusahaan memiliki akses ke sumber daya atau teknologi yang canggih seperti GAN. Hal ini bisa memperlebar kesenjangan digital antara mereka yang mampu mengakses teknologi dan mereka yang tidak.
4. Kebutuhan komputasi yang tinggi: Melatih model GAN memerlukan daya komputasi yang besar dan waktu yang lama, terutama ketika bekerja dengan dataset besar dan kompleks.

Dengan kemampuan GAN untuk menghasilkan citra realistis, teknologi ini membuka peluang besar dalam menciptakan konten yang lebih kreatif dan inovatif. Namun, penting untuk mengimbanginya dengan etika dan regulasi yang tepat agar tidak disalahgunakan. Di Universitas Teknologi Digital Indonesia (UTDI), kami siap membekali Anda dengan pengetahuan dan keterampilan terkini untuk memanfaatkan teknologi ini secara bijak dan bertanggung jawab. Bergabunglah bersama kami, dan ambil bagian dalam membangun masa depan teknologi digital yang lebih baik!