GAN(敵対的生成ネットワーク)とは(がん(Generative Adversarial Network))

GAN(Generative Adversarial Network)は、2014年に提案された生成モデルの枠組みで、「生成器(Generator)」と「識別器(Discriminator)」という役割の異なる2つのネットワークを同時に学習させます。生成器はランダムなノイズから、本物らしいデータ(画像など)を作ろうとします。識別器は、渡されたデータが本物(訓練データ)か生成器が作った偽物かを見分けようとします。

この2つは敵対的な関係で学習が進みます。生成器は識別器を騙せるように改善され、識別器はより正確に見破れるように改善されます。理論上、両者が拮抗する状態(ナッシュ均衡)に達すると、識別器は本物と偽物の区別が全くつかなくなり(正解率50%)、生成器は本物と見分けがつかないデータを作れるようになっているはずです。

実際には、この均衡状態に近づいても学習が振動して不安定になったり(モード崩壊など)、識別器の損失が理論値通りに収束していても、生成されるデータの分布が本物の分布と完全には一致しない、といった現象が観察されることがあります。