敵対的生成ネットワーク(GAN。作るAIと見破るAIを競わせるやり方)とは?
別の呼び名:Generative adversarial network
1分で解説
敵対的生成ネットワーク(GAN)とは、本物そっくりの写真などを作るAIの仕組みの1つで、偽物を作るAIと、それを見破るAIを競わせて、両方を上達させるやり方です。
2014年の論文で示されました。作るAIは、でたらめな数を受け取り、計算して絵にします。数が違えば、絵も違います。見破るAIは、本物の写真と作った絵を見て、本物かどうかを当てます。2つは、相手に負けないように交互に学びます。作るAIは本物の写真を直接は使わず、見破るAIの判定を手がかりに直します。繰り返すうちに、絵は本物に近づきます。
2022年の実験では、GAN で作った顔の写真と本物の写真を、人は当てずっぽうと同じくらいしか見分けられませんでした。弱点は、学習が不安定になりやすいことや、似たものばかり作るようになること(モード崩壊)です。2021年ごろからの2年で、絵を作るAIの多くが、別の仕組みの拡散モデルに移りました。
よくある思い込み
「GAN は、本物の写真を切り貼りして、偽の写真を作る」
半分だけ合っています。GAN は、本物の写真をたくさん使って学ぶので、作る絵は、学んだ写真に似てきます。でも、作るAIは、本物の写真を直接は使いません。本物の写真を見るのは、見破るAIだけです。作るAIは、でたらめな数の並びを絵にし、見破るAIの判定から返ってくる「どう変えれば本物らしく見えるか」の手がかりだけで、作り方を直していきます。絵を作るときも、でたらめな数を、作るAIに1回通すだけで、写真を探して貼り合わせる手順はありません。2014年の論文も、作った絵の横に、学習の写真の中で一番似ているものを並べて、写しただけではないことを示しました。ただ、学んだ写真とほぼ同じ絵を出してしまうことはあります。2023年の研究は、GAN が作った絵の中にも、学習の写真とほぼ同じものを見つけました。もっとも、そうした絵が見つかった数は、同じ研究で比べた拡散モデルの方が多くありました。
図で解説
図は、出典(科学なるほど新聞 naru.news)を書けば、授業・資料・ブログなどで自由に使えます(CC BY 4.0)。
たとえるなら
偽札を作る一味と、見破る警察(論文が使ったたとえ)
2014年の論文は、GAN を偽札作りにたとえました。作るAIは、見つからないように偽札を作って使おうとする、偽札作りの一味です。見破るAIは、偽札を見つけようとする警察です。警察に見破られると、一味は作り方を工夫し、すると警察も、もっと細かい所まで見るようになります。この競争で、どちらも腕を上げ、最後は偽札が本物と見分けられなくなる、というのです。
「敵対的」という名前の通り、2つのAIは、相手に勝とうとして競います。でも、目当ては、どちらかを勝たせることではありません。最後に絵を作るのに使うのは、作るAIだけです。見破るAIは、作るAIを鍛えるための練習相手なのです。
ただ、たとえが合わないところもあります。本物の偽札作りは、本物のお札を手に取って、よく見比べられます。GAN の作るAIは、本物の写真を直接は見ず、警察役の見破るAIの判定から返ってくる手がかりだけで直します。また、本物の警察は、偽札を全部見破るのが目当てですが、GAN がうまくいったときの最後の姿は、見破るAIが、どの絵を見ても「本物かどうかは半々」としか言えなくなることです(論文が数学で示した、理想の場合)。
ポイント解説
なぜ「敵対的生成ネットワーク」と呼ぶの?
英語の generative adversarial network を訳した名前で、3つの言葉からできています。2014年の論文の題は「Generative Adversarial Nets」で、nets は networks(ネットワーク)を短くした言い方です。英語の頭の字を取って、GAN と呼びます。
「敵対的」(adversarial)は、相手と張り合うという意味です。論文は、作る側のAIを、見破る側のAIという相手と戦わせる、と書いています。作る側は見破られないように、見破る側は見破れるように、どちらも相手に勝とうとします。
「生成」(generative)は、データを作り出すことです。作る側のAIは、学んだ写真などに似た、新しいデータを作り出します。「生成AI」の「生成」と同じ意味です(詳しくは「生成AI」のページ)。
「ネットワーク」は、ニューラルネットワーク(数を受け取って計算し、次へ渡す小さな部品を、何段にも重ねてつないだ計算の仕組み)のことです。論文では、作る側も見破る側も、ニューラルネットワークで作りました。作る側を生成器、見破る側を識別器とも呼びます。
どうやって学ぶの?
作るAIは、でたらめに選んだ数の並びを受け取り、自分の中で計算して、絵などのデータにします。絵も、コンピューターの中では、点ごとの色を表す数の並びなので、数の並びを計算で別の数の並びに変えれば、絵になるのです。入れる数を毎回変えるので、毎回違う絵ができます。見破るAIは、絵を受け取って、それが本物の写真である見込みを、0から1の間の数で答えます。1なら「きっと本物」、0なら「きっと偽物」と見ていることになります。
学ぶときは、2つを交互に鍛えます。まず、見破るAIに、本物の写真と、作るAIが作った絵を見せ、どちらなのかを正しく当てられるように直します。次に、作るAIを、見破るAIが作った絵を「本物」と間違えやすくなる方へ直します。2014年の論文の実験では、見破るAIを1回、作るAIを1回、と交互に繰り返しました。
作るAIは、本物の写真を一度も直接は見ません。それでも上達できるのは、見破るAIの判定が計算でできているからです。作った絵の点の色を少し変えると、判定の数も少し変わります。そこで、見破るAIの計算を逆向きにたどると、「絵のどこを、どちらへ少し変えれば、判定が本物の1に近づくか」が分かります。作るAIは、この向きだけを手がかりに、作り方を少しずつ直します。見破るAIは本物の写真を見て鍛えられているので、作るAIは、見破るAIを通して、本物の写真から間接的に学んでいることになります。福笑いにたとえると、目隠しをした人が、顔を見ている人の「もう少し右」「もう少し上」という声だけを頼りに、顔を仕上げていくようなものです。
2つの釣り合いも大切です。論文は、見破るAIを学ばせないまま、作るAIだけを学ばせすぎると、たくさんの違う数から同じ絵を作るようになり、作るものの幅が足りなくなる、と注意しています。
論文は、2つのAIが十分に大きく、学習も十分にできたとする、計算の上の理想の場合を、数学で調べました。そのとき作るAIは、学んだデータとそっくりのデータを作れるようになり、見破るAIは、どれを見ても「本物の見込みは2分の1」と答えるしかなくなります。本物と作り物の区別が、全くつかなくなるということです。
論文は、手書きの数字、顔の写真、乗り物や動物の小さな写真のデータで、この方法を試しました。作った絵が、それまでのやり方より優れているとは言わないが、よいものと比べても負けておらず、この方法の見込みを示している、と書いています。
どこまで本物そっくりになったの?
GAN は、その後の研究で大きく上達しました。2015年の研究は、学習が不安定で、意味の分からない絵になりがちだった GAN を、AIの組み立て方を工夫して、たいていの場合に安定して学べるようにしました。寝室の写真で学ばせると、寝室らしい絵を作りました。
2018年に出た StyleGAN は、顔の写真などを作る GAN です。きめの細かい顔の写真7万枚で学ばせ、絵の出来を測る、よく使われてきた物差しで、それまでのやり方を上回りました。
では、人は見分けられるのでしょうか。2022年に発表された実験では、GAN で作った顔の写真と本物の顔の写真を混ぜて1枚ずつ見せ、本物か作り物かを当ててもらいました。正しく当てられたのは平均48.2%で、でたらめに選んでも当たる50%とほぼ同じでした。作り物に出やすいおかしな所を先に教え、1枚ごとに答え合わせもした別の人たちでも59.0%で、当てずっぽうより少し上なだけでした。ただし、作り物の顔のうち、はっきりおかしな所があるものは、前もって除いてありました。その分、見分けるのは難しくなっています。
本物そっくりの顔を作れることは、ディープフェイク(AIで作った、本物そっくりの偽の映像や写真・声)の心配にもつながっています。
弱点は?
1つ目は、学習が不安定になりやすいことです。2つのAIが、相手に合わせて動き続けるので、両方がちょうど釣り合う所に、なかなか落ち着きません。2016年に GAN についてまとめた解説は、2つのAIが互いの進歩を打ち消し合い、行ったり来たりしているように見えることが多い、と書いています。拡散モデルが絵の質で GAN を上回ったと報告した2021年の論文も、GAN は、設定を注意深く選ばないと、学習が崩れてしまうことが多い、と書いています。
2つ目は、モード崩壊です。作るAIが、違うでたらめな数を受け取っても、同じような絵ばかり作るようになることです。「モード」は、データの中で、似たものがたくさん集まっている所のことです。犬の写真で学ぶなら、よく出てくる種類の犬それぞれに、似た写真がたくさん集まっています。それが1つ1つのモードです。作るAIが、そのうちの一部しか作らなくなるので、こう呼ばれます。見破るAIが今一番本物らしいと思う絵に、作るAIが集まってしまうことが、原因の1つと考えられています。
全部が同じ絵になることはまれですが、一部が似てしまうことはよくあります。例えば、同じ色や模様の絵ばかりになったり、同じ犬を、向きだけ変えた絵ばかりになったりします。1枚ずつ見ればよくできていても、種類が足りないのです。同じ2021年の論文は、GAN は、ほかのいくつかのやり方より、作るものの幅が狭い、とも書いています。
拡散モデルとは、どう違うの?
絵の作り方が違います。GAN は、でたらめな数を、作るAIに1回通すだけで、絵ができあがります。拡散モデル(ノイズだけの絵から、ノイズを少しずつ取り除いて絵を作るAIの仕組み)は、取り除くことを何回にも分けて繰り返します。そのため、絵を作るのは GAN より遅くなります。
学び方も違います。GAN では、作るAIが勝とうとする相手(見破るAI)も、学ぶ間に強くなっていくので、学ぶ目当てが動き続けます。拡散モデルは、絵にわざとノイズを混ぜ、どんなノイズを混ぜたかを当てる練習をします。答えは自分で混ぜたものなので、いつも決まっています。
2021年に出た「拡散モデルは、画像の生成で GAN に勝つ」という題の論文は、それまで絵の質で先頭にいた GAN を、拡散モデルが上回ったと報告しました。この論文は、拡散モデルのよい所として、学ぶ目当てが動かないこと、AIを大きくしやすいこと、学んだ写真のいろいろな種類を幅広く作れることを挙げ、弱い所として、絵を作るのが GAN より遅いことを挙げています。2023年の論文は、それまでの2年で、拡散モデルが GAN にほぼ取って代わり、Stable Diffusion などの広く知られた絵を作るAIの元になった、と書いています(詳しくは「拡散モデル」のページ)。
確認問題
問12014年の論文で示された GAN では、絵を作るAIと、本物の写真か作った絵かを見破るAIを、交互に学ばせる。作るAIは、何を手がかりにして、絵の作り方を直していく?
答えと解説
答え:A 見破るAIが返す、判定が本物に近づく変え方
作るAIは、本物の写真を直接は使いません。見破るAIの判定は計算でできているので、その計算を逆向きにたどると、「作った絵のどこを、どちらへ変えれば、判定が本物に近づくか」が分かります。作るAIは、この向きだけを手がかりに作り方を直します。本物の写真から切り取った所を渡されることも、本物の写真と比べた点ごとの違いを教わることもありません。本物の写真を見るのは、見破るAIだけです。
問2GAN で、犬の写真を作るAIを学ばせると、「モード崩壊」という失敗が起きることがある。モード崩壊が起きた作るAIは、どうなる?
答えと解説
答え:B 違う数を入れても、似た犬ばかり作る
モード崩壊では、作るAIが、違うでたらめな数を受け取っても、同じような絵ばかり作るようになります。同じ犬を、向きだけ変えた絵ばかりになることもあります。1枚ずつ見ればよくできていて、形が崩れるわけではありません。足りなくなるのは、作るものの種類です。また、作るAIは本物の写真を直接は使わないので、写真をそのまま写すわけでもありません。
問32021年のある論文は、拡散モデル(絵を作るAIの仕組みの1つ)が、絵の質で GAN を上回ったと報告した。この論文が挙げた、GAN と比べたときの拡散モデルの弱点は?
答えと解説
答え:C 1枚の絵を作るのに、時間がかかる
拡散モデルは、ノイズを取り除くことを何回にも分けて繰り返すので、絵を作るのが GAN より遅い、と論文は書いています。GAN は、でたらめな数を、作るAIに1回通すだけで絵ができます。反対に、AIを大きくしやすいことと、学んだ写真のいろいろな種類を幅広く作れることは、同じ論文が拡散モデルのよい所として挙げたことです。似た絵ばかりになりやすいのは、GAN の方の弱点です。
関連用語
参考文献と確かめ方
- Goodfellow ほか「Generative Adversarial Nets」(モントリオール大学、arXiv、2014年6月10日。Advances in Neural Information Processing Systems 27〔NIPS 2014〕に載った。ar5iv の HTML で、要旨・1章〔偽札作りと警察のたとえ〕・3章・4章〔理想の場合の答え・交互の学び方〕・5章〔使ったデータ・図2〕・6章〔良い所と悪い所〕・7章を読んだ。2026年11月14日に読んだ)
- Goodfellow「NIPS 2016 Tutorial: Generative Adversarial Networks」(OpenAI、arXiv、2016年12月31日、第4版2017年4月〔第2〜4版は誤字の直しだけ〕。ar5iv の HTML で、2.5節・3.1節・3.2.6節・5.1節〔釣り合いに落ち着かないこと・モード崩壊〕を読んだ。2026年11月14日に読んだ)
- Radford・Metz・Chintala「Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks」(DCGAN。indico Research・Facebook AI Research、arXiv、2015年11月、第2版2016年1月〔ICLR 2016 に投稿〕。ar5iv の HTML で、1章・3章・4.1節〔寝室の写真〕・7章を読んだ。2026年11月14日に読んだ)
- Karras・Laine・Aila「A Style-Based Generator Architecture for Generative Adversarial Networks」(StyleGAN。NVIDIA、arXiv、2018年12月12日、第3版2019年3月〔CVPR 2019 の最終版〕。ar5iv の HTML で、要旨・1章・2章・付録A〔顔の写真のデータ FFHQ〕・付録Cを読んだ。2026年11月14日に読んだ)
- Nightingale・Farid「AI-synthesized faces are indistinguishable from real faces and more trustworthy」(PNAS 119巻8号、e2120481119、2022年2月。PubMed Central の版で、顔の作り方と選び方・GAN の説明・実験1〜3を読んだ。2026年11月14日に読んだ)
- Dhariwal・Nichol「Diffusion Models Beat GANs on Image Synthesis」(OpenAI、arXiv、2021年5月、第4版2021年6月。ar5iv の HTML で、要旨・1章・表5・7章〔限界〕を読んだ。2026年11月14日に読んだ)
- Carlini ほか「Extracting Training Data from Diffusion Models」(Google・DeepMind・ETH チューリッヒ・プリンストン大学・カリフォルニア大学バークレー校、arXiv、2023年1月30日。ar5iv の HTML で、1章・2章・6章を読んだ。2026年11月14日に読んだ)
- Google Cloud「敵対的生成ネットワーク(GAN)とは」(日本語の説明。「敵対的生成ネットワーク」の呼び名。2026年11月14日に読んだ)
- NTT「世界初、一般的な写真群から未知の奥行きとボケ効果の学習を実現」(ニュースリリース、2021年6月25日。GAN の説明の「生成器」「識別器」の呼び名。2026年11月14日に読んだ)
このページは、上の資料をもとにAIが書き、書いたAIとは別のAIが、資料の本文と照らして確かめました(2026年11月14日)。理学の修士号と、高校理科の教員免許を持つ人も読んで確かめてから出しています。数字は、その時点のものです。わかりにくかったところ、誤りのご指摘、解説してほしい用語は、[email protected] へお寄せください。
AIの用語
- アライメント偽装
- AIアライメント
- AIエージェント
- エンベディング
- 解釈可能性
- 過学習
- 拡散モデル
- 機械学習
- 強化学習(RL)
- 形式検証
- 検索拡張生成(RAG)
- 混合エキスパート(MoE)
- コンテキストウィンドウ
- 再帰言語モデル(RLM)
- 再帰的自己改善(RSI)
- サブリミナル学習
- 時間地平線
- 思考の連鎖(CoT)
- システムプロンプト
- 事前学習
- 自動形式化
- シャットダウン抵抗
- シンギュラリティ
- 人工知能(AI)
- 深層学習
- 推論モデル
- スリーパーエージェント
- 生成AI
- 潜在空間
- 創発的ミスアライメント
- 大規模言語モデル(LLM)
- 脱獄
- 段階的無力化
- 知能爆発
- 超知能(ASI)
- ディープフェイク
- データポイズニング
- 読んでいるページ敵対的生成ネットワーク(GAN)
- 転移学習
- トークン
- トランスフォーマー
- ニューラリーズ
- ニューラルネットワーク
- ハイパーパラメーター
- バックドア
- パラメーター
- ハルシネーション
- 汎化
- 汎用人工知能(AGI)
- 評価認識
- ファインチューニング
- プロンプト
- プロンプトインジェクション
- ペルソナベクトル
- ベンチマーク
- 報酬ハッキング
- Lean
- レッドチーム