Современные генеративные модели: архитектуры, методы обучения и области применения

Исследование посвящено современным генеративным моделям, актуальность которых определяется их быстрым распространением в прикладных и научных областях. Цель работы — систематизировать знания об архитектурах, методах обучения и практических применениях генеративных моделей, выявить ключевые проблемы и перспективы развития. В работе будут раскрыты теоретические основы GAN, VAE и трансформеров как генеративных систем, сравнительный анализ алгоритмов обучения, оценочные метрики качества и примеры реальных приложений, включая генерацию изображений и синтез речи. Особое внимание уделено вопросам устойчивости, этики и затрат вычислительных ресурсов; к примеру, оценка энергопотребления при обучении моделей на наборе ImageNet. Предварительно выполнен обзор литературы за последние десять лет, собрана выборка статей и отчетов, проведен первичный анализ архитектур и метрик. В дальнейшем планируется провести экспериментальное сравнение выбранных моделей на нескольких корпусах данных, оформить результаты в виде рекомендаций и предложить направления для дальнейших исследований и оптимизации, включая снижение потребления энергии и улучшение оценки качества.