GANとは

GAN（Generative Adversarial Network、敵対的生成ネットワーク）は、2014年にイアン・グッドフェローらが発表した生成モデルです。

生成器と識別器

生成器（Generator）は、ランダムなノイズを受け取り、画像などのデータを作ります。識別器（Discriminator）は、入力されたデータが訓練データ（本物）か、生成器が作ったもの（偽物）かを見分け、本物である確率を出力します。

よく使われるたとえが、偽札を作る人と、それを見破る警察です。識別器は見分ける精度を上げるように学習し、生成器は識別器をだませるように学習します。互いに相手を上回ろうとすることで、生成器は本物と区別しにくいデータを作れるようになります。元の論文はこの関係をミニマックスゲームとして定式化しました。理論上の最適な状態では、生成器が訓練データの分布を再現し、識別器はどの入力にも1/2を出力します。

学習の難しさ

GANの学習は不安定になりやすいことが知られています。代表的な問題がモード崩壊です。生成器が、識別器をだましやすい一部の種類のデータばかり作るようになり、多様性が失われる現象です。

派生モデル

畳み込み層を使って画像生成を安定させたDCGAN、対応する画像のペアから画像の変換を学ぶPix2Pix、ペアのない2種類の画像の間で変換を学ぶCycleGANなどがあります。精巧な偽の画像や動画（ディープフェイク）に悪用されることもあります。

ほかの生成モデルとの違い

VAEは、入力を潜在変数の分布に変換し、そこから元のデータを復元するように学習するモデルで、識別器をもちません。拡散モデルは、ノイズを少しずつ取り除く過程を学習します。GANには、1回の計算で生成できるため速いという利点があります。

覚え方

「偽札づくり（生成器）と警察（識別器）のいたちごっこ」と覚えます。