생성모델과 판별모델이 경쟁하면서 실제와 가까운 이미지, 동영상, 음성 등을 자동으로 만들어 내는 기계학습(ML: Machine Learning) 방식의 하나.
컴퓨터 프로그램이 특정 분야 실제 예제들을 학습하고 공통점을 추론하여 매우 정교한 위조품을 만들어 낼 수 있다.

생성적 대립 신경망은 확률 분포를 학습하는 생성모델과 서로 다른 집합을 구분하는 판별모델로 구성한다. 생성모델(또는 생성자)은 가짜 예제를 만들어 판별모델을 최대한 속일 수 있도록 훈련한다. 판별모델(또는 판별자)은 생성모델이 제시하는 가짜 예제와 실제 예제를 최대한 정확하게 구분할 수 있도록 훈련한다. 이와 같이 판별모델을 속일 수 있도록 생성모델을 훈련하는 방식을 대립적 프로세스라고 한다. 생성적 대립 신경망은 생성모델과 판별모델을 대립적 프로세스를 통해 발전시키는 과정으로 실제 예제와 매우 비슷한 유사품(실제 같은 가짜)을 생성한다.
동일한 분야에서 수집한 실제 예제들은 공통된 특징을 갖는다. 그러나 일반적으로 사람이 직접 분석하여 찾아내기는 어려워 통계적인 기법을 이용하여 컴퓨터가 자동으로 공통된 특징을 찾도록 한다. 특히 사람이 찾기 어려운 공통된 특징을 잘 찾는 기계학습 방법의 하나가 심층 신경망이기 때문에 심층 신경망을 이용하여 생성적 대립 신경망을 구현한다.
생성적 대립 신경망은 동영상이나 이미지 위조 등에 주로 활용한다. 영화나 애니메이션에서의 특수 효과는 전문가가 직접 프로그램을 사용하여 실제와 유사한 결과물을 만들어 내지만 생성적 대립 신경망을 이용하면 실제와 유사한 결과물을 컴퓨터가 자동으로 만들어 낼 수 있다. 그러나 실제와 유사한 이미지나 동영상을 쉽게 만들 수 있어 가짜 뉴스 제작 등에 악용될 우려가 크다.
생성적 대립 신경망은 몬트리올대학교 요슈아 벤지오(Yoshua Bengio) 교수 연구팀에서 고안하여 2014년에 신경정보처리시스템(NIPS: Neural Information Processing Systems) 학회에서 발표되었으며, 당시 대학원생이던 이안 굿펠로우(Ian Goodfellow)가 주도적인 역할을 하였다.