⑤ ディープラーニングの応用例 ／ 30. データ生成
敵対的生成ネットワーク (GAN)とは
GANとは、生成器と識別器を競わせる敵対的学習により、本物と区別できないデータ生成を実現するモデルです。画像・音声・文章生成など幅広い生成タスクの基盤技術になっています。
この用語はG検定シラバスの「30. データ生成」に含まれます。 章全体の用語は用語解説⑤（全133語）にまとまっています。
一言でいうと
「偽物を作る側」と「見破る側」を競わせることで、本物そっくりのデータを作るモデルです。
2つのネットワーク
- 生成器（Generator）：ランダムノイズなどから本物らしいデータを生成する
- 識別器（Discriminator）：入力データが本物か偽物かを判別する
生成器は識別器をだまそうとし、識別器は見破ろうとします。競い合ううちに両方が上達していく——これが敵対的学習の考え方です。偽札作りと鑑定官にたとえられます。
学習が不安定になりやすい
2つを同時に学習させるため、バランスが崩れると学習が破綻します。識別器が強すぎると生成器が学べません。
また生成器が特定のパターンばかり作るモード崩壊という現象も知られています。こうした不安定さを改善したのがDCGANなどの派生です。
VAEとの違い
評価の難しさ
生成モデルには「正解の画像」がありません。そのため精度で評価できません。
本物らしさと多様性を測る指標が考案されていますが、最終的には人の目による判断が必要になる場面も多く残ります。
🎯 G検定での押さえどころ
- 生成器と識別器を競わせる
- 生成器＝作る側、識別器＝見破る側
- 学習が不安定になりやすい（モード崩壊など）
⚠️ よくある誤りの選択肢
- 「GANの識別器はデータを生成する役割を持つ」→ 誤り。生成するのは生成器です
- 「GANは学習が非常に安定している」→ 誤り。不安定になりやすい手法です
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「GAN」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。