読み方：てきたいてきせいせいネットワーク

敵対的生成ネットワーク【GAN】Generative Adversarial Network

概要

敵対的生成ネットワークとは、機械学習によるデータ生成モデルの一つで、生成と判別という異なる役割を持つ二つのニューラルネットワークを競わせながら学習させ、実データに近い新しいデータを生成する方式。画像生成の有力な手法として知られる。

このモデルは、データを生成する「生成ネットワーク」（ジェネレータ）と、それが本物か偽物かを判定する「識別ネットワーク」（ディスクリミネータ）という二つの構造で構成されている。生成側は識別側を欺けるほど精巧なデータを作ろうとし、識別側はより正確に偽物を見破ろうと学習を繰り返す。この相互の切磋琢磨により、最終的に生成側は本物と見分けがつかないほど高品質なデータを出力できるようになる。

学習の過程では、生成側には本物のデータは直接与えられず、識別側の判定結果というフィードバックのみを頼りに改善が行われる。一方で識別側には、本物のデータと生成側が作った偽物のデータの両方が提示される。この均衡が適切に保たれることでモデルは進化するが、どちらか一方が強くなりすぎると学習が停滞する「モード崩壊」という現象が起きることもある。これに対処するため、損失関数の設計や学習手順を改良した派生手法が提案されている。

現在は「拡散モデル」（diffusion model）など他の生成手法も提案されているが、機械学習による画像生成を実用レベルに発展させた技術として歴史的な意義がある。画像生成だけでなく、低解像度の画像を鮮明にする超解像、線画からの着色、写真のスタイル変換などの用途にも応用されている。また、音声合成や医薬品の分子構造設計など、視覚情報以外のデータ生成にも活用されている。