GAN（Generative Adversarial Network）とは、生成ネットワークと識別ネットワークという2つのニューラルネットワークを競い合わせることで、高精度な偽データを作り出す深層学習の枠組みです。画像生成などで大きな成果を上げています。
GANとは
GAN（Generative Adversarial Network）とは、2つのAIモデルを競合させることで、極めてリアルな画像や音声などのデータを自動生成する機械学習の仕組みです。
詳しく解説
GANは「生成ネットワーク（ジェネレーター）」と「識別ネットワーク（ディスクリミネーター）」の2つのモデルで構成されます。ジェネレーターは本物に似せた偽データを作り出し、ディスクリミネーターはそれが本物か偽物かを判定します。ジェネレーターはディスクリミネーターをだますように学習し、ディスクリミネーターは見破る能力を向上させます。このゼロサムゲーム的な競合学習を通じて、生成されるデータの精度が飛躍的に高まります。画像生成や超解像技術において画期的な成果をもたらしました。
具体例・使われ方
具体的な利用例として、実在しない人物の顔写真を高精度で生成するディープフェイク技術、低解像度の画像を鮮明化する超解像、白黒写真の自動カラー化、モノクロのスケッチからリアルな絵画を描き出す変換処理などがあります。
似た用語との違い
従来の生成モデルがデータの確率分布を直接推定して学習していたのに対し、GANは2つのネットワークによる敵対的学習を用いる点が最大の違いです。また、近年主流となっている拡散モデル（ディフュージョンモデル）と比較すると、GANは生成速度が速い一方、学習が不安定になりやすいという特性があります。
注意点
GANの大きな課題は、学習が不安定になりやすい「モード崩壊」と呼ばれる現象です。ジェネレーターが特定のパターンばかりを出力し、多様性を失うことがあります。また、悪意あるユーザーによってディープフェイク技術が悪用され、偽ニュースや詐欺などに使われる倫理的・社会的なリスクも懸念されています。