Pour créer des visages synthétiques, l'IA utilise des modèles adversaires génératifs (GAN). Les GAN se composent de deux parties : un générateur et un discriminateur. Le générateur prend en entrée des données aléatoires, telles que des vecteurs de nombres aléatoires, et génère des images à partir de ces données. Le discriminateur, quant à lui, reçoit des photos réelles et des images générées par le générateur et tente de les distinguer.
Au fur et à mesure de l'entraînement, le générateur cherche à améliorer sa capacité à tromper le discriminateur en générant des images de plus en plus réalistes. Dans le même temps, le discriminateur apprend à devenir plus précis dans sa possibilité à distinguer les images authentiques des images rendues.
Ces réseaux génératifs antagonistes peuvent être entraînés explicitement sur des ensembles de données d'images de visages réels pour apprendre les caractéristiques et les structures typiques des visages humains. Le générateur peut ensuite utiliser ces connaissances pour générer de nouvelles images de visages qui semblent réalistes et plausibles.