Dyskryminator – część GAN oceniająca autentyczność danych.

Jest to komponent architektury generatywnych sieci przeciwstawnych (GAN), którego zadaniem jest ocena autentyczności danych wygenerowanych przez drugą część sieci, zwaną generatorem. Dyskryminator analizuje zarówno przykłady pochodzące z rzeczywistego zbioru danych, jak i te wygenerowane sztucznie, starając się odróżnić dane autentyczne od wytworzonych sztucznie. W procesie uczenia się sieci przeciwstawne rywalizują ze sobą, co prowadzi do poprawy jakości generowanych próbek.

Działanie dyskryminatora polega na klasyfikacji wejściowych danych jako prawdziwych lub fałszywych, co wpływa na modyfikację parametrów zarówno jego, jak i generatora w procesie optymalizacji. Dzięki temu generator może stopniowo tworzyć bardziej realistyczne dane, podczas gdy dyskryminator staje się coraz lepszy w wykrywaniu niedoskonałości wygenerowanych próbek. Taki mechanizm jest fundamentem efektywnego treningu GAN i znajduje zastosowanie w wielu dziedzinach, takich jak generowanie obrazów, synteza dźwięku czy tworzenie tekstów.