Ein GAN besteht aus zwei neuronalen Netzwerken, die miteinander konkurrieren: der Generator und der Diskriminator. Der Generator erstellt neue, künstliche Daten, zum Beispiel Bilder, die wie echte Fotos aussehen sollen. Der Diskriminator prüft dann diese Daten und versucht zu erkennen, ob sie echt oder vom Generator erstellt sind. Während des Trainings werden beide Netzwerke besser: der Generator lernt, realistischere Daten zu erzeugen, und der Diskriminator wird immer besser darin, echte von künstlichen Daten zu unterscheiden.