GANとは？敵対的生成ネットワークの仕組みと応用事例

GAN（Generative Adversarial Network）は2つのニューラルネットワークを競わせて学習させる画期的な手法です。2014年にIan Goodfellowが提案しました。「敵対的」という名前の通り、生成するネットワークと見破るネットワークが互いに切磋琢磨することで、本物そっくりのデータを生成できるようになります。

Generator（生成器）はノイズから偽のデータを生成し、Discriminator（識別器）はそのデータが本物か偽物かを判定します。Generatorは「Discriminatorを騙せるような精巧な偽物」を作ろうとし、Discriminatorは「見破る精度」を上げようとします。このいたちごっこで両方が進化します。

学習は交互に行います。まずDiscriminatorを学習：本物データに「本物」、生成データに「偽物」というラベルで識別精度を上げます。次にGeneratorを学習：Discriminatorを騙せるようなデータを生成するよう更新します。この2ステップを何万回も繰り返します。

はい、GANの学習は非常に不安定なことで有名です。主な問題はモード崩壊（同じような画像ばかり生成する）と学習の不均衡（片方が強くなりすぎる）です。これらを解決するために様々な改良版GANが提案されてきました。

たくさんの変種があります。DCGANは畳み込みを使った安定した画像生成。Pix2Pixは画像から画像への変換（例：白黒→カラー）。CycleGANはペアデータなしでスタイル変換（馬→シマウマ等）。StyleGANは超高品質な顔画像生成で話題になりました。

はい、人間では見分けがほぼ不可能なレベルです。NVIDIAが開発したStyleGAN2/3は1024×1024の高解像度の顔画像を生成でき、thispersondoesnotexist.comというサイトで有名になりました。一方でディープフェイク問題としても注目され、悪用防止が重要な課題です。

確かに画像生成の主流は拡散モデルに移りつつあります。Stable DiffusionやDALL-E 3は拡散モデルベースです。拡散モデルはGANより学習が安定し、多様性も高い画像を生成できます。ただしGANは生成速度が速いという利点があり、リアルタイム処理には依然として有利です。

はい。GANは生成モデルの基礎概念を理解する上で非常に重要です。Discriminatorによるフィードバック学習のアイデアは、RLHFなど強化学習を使ったAIの品質向上にも通じています。また超解像やスタイル変換など特定分野ではGANが今でも最適解の場合があります。