生成モデルとGAN（敵対的生成ネットワーク）

GAN

敵対的生成ネットワーク（GAN／Generative Adversarial Networks）とは、2種類のニューラルネットワークを戦わせながらデータ生成を行うためのモデルである。2014年に機械学習研究者イアン・グッドフェローらによって「Generative Adversarial Nets」という論文で初めて提唱された。

GANは、機械学習における生成モデルに分類される。生成モデルとは、与えられたデータからその構造や特徴を学習し、新たなデータを生成するモデルである。一方、画像が何であるかを判別するモデルは識別モデルと呼ばれ、この2つは目的が異なる。

GANが「敵対的生成ネットワーク」と呼ばれる理由は、生成モデル（Generator）と識別モデル（Discriminator）が互いに競い合いながら学習を進める構造を取るためである。

GANの構造：生成器と識別器

GANは以下の2つのネットワークで構成される。

A. Generator（生成器）
• 乱数（通常は正規分布などに従う）を入力として受け取り、新しいデータを生成する。
• 目的は「識別器に本物だと思わせる偽物を作ること」である。

B. Discriminator（識別器）
• 入力されたデータが 本物（訓練データ） か 生成器の偽物 かを判別する。
• 目的は「生成器を見破ること」である。

この2つが交互に改善されていくことで、最終的には本物と見分けがつかないようなデータを生成できるようになる。

例）

GANの仕組みを、2つの競合店になぞらえて考えると理解しやすい。
• Generator（生成器）＝新店舗の料理人
　人気店の味を真似して、新作メニュー（偽物）を作ろうと努力する。
• Discriminator（識別器）＝老舗店の評論家
　新店舗のメニューが「老舗の味かどうか」を厳しく判定する。

新店舗の料理人は、評論家にバレないように味を近づける努力をし続ける。
評論家は、偽物を見破れるように舌を鍛える。

この競争を繰り返すことで、料理人（生成器）の腕はどんどん上がり、ついには本物と見分けがつかない「本格料理（高品質の偽データ）」が生まれるのである。

GANの学習プロセス

GANの学習は、以下の競争的なプロセスで進行する。
1. 生成器が乱数から偽データを作る
2. 識別器が本物と偽物を見分けようとする
3. 識別器の判定結果をもとに、それぞれが改善される
• 生成器：より本物らしい偽物を作る方向へ更新
• 識別器：本物／偽物をより正確に分類する方向へ更新

この繰り返しによって、最終的に生成器は「識別器にも見破れない」レベルのデータを生成できるようになる。

代表的なGANの発展

GANは登場後、多くの拡張モデルが登場している。

DCGAN（2015）

• 畳み込みニューラルネットワーク（CNN）を取り入れたモデル。
• より鮮明でリアリティのある画像が生成可能に。

CycleGAN（2017）

• スタイル変換（画像から画像へ）を可能にするモデル。
• 馬→シマウマ、夏→冬、写真→絵画といった変換が行える。

StyleGAN（2018）

• 高品質な人物画像生成を可能にした GAN の一種。
• スタイル（粗→中間→細）を分離して制御できる「スタイルベース生成器」を採用。

GANの活用シーン

GANは近年の生成AI技術の基盤として広く利用されている。
• 画像生成（写真風画像、アート、アイコン）
• データ拡張（医療データ・少量データの補強）
• スタイル変換（モネ風に変換、線画をカラー化）
• 超解像（低解像度画像を高解像度に変換）
• 動画生成・補間
• 音声生成・声質変換

特にデータが不足している領域では、GANが生成する疑似データが非常に強力に作用する。

GANの課題

GANは強力な一方で、いくつかの構造的な課題を抱えている。

① 生成データの判断基準が不透明

「どこまで似ていれば正解か」という明確な基準がない。
例えば同じイラストの模倣でも、人によって「似ている／似ていない」の判断が異なる。

② 動作の不具合が多い

GANの学習は繊細であり、よく以下の問題が発生する。
• 勾配消失問題
　識別器が強すぎると生成器が学習できず、更新が進まない。
• モード崩壊
　生成器が「特定パターンの画像ばかり」出力する状態に陥る。
　多様性が失われるため、実用性が下がる。

これらは、GANの学習が安定しにくい理由として知られている。

生成AI

生成AI（Generative AI）とは、「文章・画像・音声・動画などの新しいデータを生成するAI全体」を指す広い概念である。

比較項目	生成AI（Generative AI）	GAN（Generative Adversarial Network）
位置づけ	AIの大きなカテゴリ（概念）	生成AIの一つの技術
できること	文章・画像・音声・動画などあらゆる生成	主に画像生成・画像変換
仕組み	多様（LLM、拡散モデル、VAE、GANなど）	生成器と識別器の競争による生成
例	ChatGPT、Midjourney、Stable Diffusion	DCGAN、StyleGAN、CycleGAN
範囲	非常に広い	技術的に限定されたモデルの1種

生成AIが生成できるものは幅広く、以下のようなものも生成できる。

• 文章

• 画像

• 音楽

• 動画

• プログラムコード

• 音声　など

生成AIは、深層学習（ディープラーニング）に基づいて構築されるモデルで、特に近年登場した 大規模生成モデル によって急速に発展し。

生成AIの特徴

従来のAI（識別系AI：Discriminative AI）は「入力されたデータが正解かどうかを分類する」ことが中心だったが、生成AIはその逆で、データの分布を学習し、新しいデータを生成する点が大きな違いである。

例）

• ChatGPT（文章生成）

• Stable Diffusion（画像生成）

• Whisper（音声→文字起こし）

生成AIの基本的な使い方

生成AIは、モデルごとに入力形式が異なる。

AIの種類	入力形式
テキスト生成AI	テキスト（プロンプト）
画像生成AI	テキスト or 画像
音声生成 / 文字起こしAI	音声データ

● テキスト生成（例：ChatGPT）

プロンプト（指示文）を入力して回答を生成。

● 画像生成（例：Stable Diffusion）

テキストを入力 → その内容に基づく新しい画像が生成される。画像を学習させてスタイルを模倣させることも可能。

● 音声生成（例：VALL-E）

短い音声サンプルからその話者の声を再現。

生成AIと従来AIの違い

● 従来のAI（識別系AI）

入力を「分類」するのが主な役割
例：OCR、画像認識、異常検知

● 生成AI（生成系AI）

新しいデータを「生成」する
例：文章生成、画像生成、動画生成

生成AIは自律的に判断する能力はなく、深い理解や意識はなく、統計的な推測に基づく生成するため、「弱いAI」に分類される

参考