科学なるほど新聞English

トップ › 用語集 › AI

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

用語解説 ・ 確かめた日 2026年11月14日 ・ 読む 13分

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

GAN が学ぶときの流れを描いた模式図(絵は、このページで描いたもの)。題「作るAIと見破るAIが、競いながら上達する」。下の段の左から:さいころ「でたらめな数」→ 鉛筆を持ったロボット「作るAI」→ 額に入った顔の絵「作った絵」。上の段:3枚重なった顔の写真「本物の写真」。どちらも矢印で、虫めがねを持ったロボット「見破るAI」へ。その右に判定:本物の写真には「本物」、作った絵には「偽物」。判定から見破るAIへ戻る紺の矢印「① 見破るAIを直す:正しく当てられるように」。判定から作るAIへ戻るオレンジの点線の矢印「② 作るAIを直す:見破るAIをだませるように」。一番下の帯「繰り返すと」:ぐちゃぐちゃの線「初め」→ 形のゆがんだ顔「途中」→ はっきりした顔「終わりのほう」。右に「作る絵が本物に近づき、理想の場合は見破るAIも半々でしか当てられない」。
GAN が学ぶときの流れを描いた模式図です。下の段の作るAI(鉛筆のロボット)は、でたらめな数(さいころ)を受け取って、絵を作ります。上の段は本物の写真です。矢印の通り、本物の写真と作った絵は、どちらも見破るAI(虫めがねのロボット)に渡り、本物か偽物かを判定されます。その後、紺の矢印の通りに見破るAIを、正しく当てられるように直し、オレンジの点線の矢印の通りに作るAIを、見破るAIをだませるように直す、ということを交互に繰り返します。作るAIが本物の写真を直接見ることはありません。一番下の帯のように、繰り返すうちに作る絵は本物に近づきます。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考え、そのとき見破るAIは、本物と作った絵を半々でしか当てられなくなることを、数学で示しました。
モード崩壊を描いた模式図(犬の写真で学んだ GAN の例。犬の絵は、このページで描いたもの)。題「モード崩壊:違う数を入れても、似た絵ばかりになる」。左の枠「うまく学べたとき」:目の数が違う4つのさいころから、それぞれ矢印で、垂れ耳の茶色の犬、とがった耳のクリーム色の犬、ぶちのある白い犬、舌を出した金色の犬の顔へ。下に「違う数から、いろいろな犬」。右の点線の枠「モード崩壊したとき」:同じように4つのさいころから、どれも同じ垂れ耳の茶色の犬の顔へ。首のかしげ方だけが違う。下に「違う数でも、同じ犬ばかり」。一番下の帯:1枚ずつはよくできていても、作るものの種類が足りない。
モード崩壊を、犬の写真で学んだ GAN の例で描いた模式図です。さいころは、作るAIが受け取るでたらめな数で、目の違いは、入れた数が違うことを表します。矢印の先が、その数から作った絵です。左のうまく学べたときは、違う数から、耳の形や毛の色が違う、いろいろな犬ができます。右のモード崩壊したときは、違う数を入れても、同じ犬を向きだけ変えた絵ばかりになります。1枚ずつ見ればよくできていても、学んだ写真にあった、いろいろな犬の多くが、作られなくなっているのです。
GAN と拡散モデルが絵を作るときの流れを比べた模式図(途中は省いて描いた)。題「GAN は1回で、拡散モデルは少しずつ絵を作る」。上の段「GAN」:さいころ → ロボット「作るAI」→ 長い矢印「1回通すだけ」→ 山と太陽の絵。右に「すぐできる」。下の段「拡散モデル」:ザラザラのノイズだけの四角 → 小さなロボット → 山がうっすら見える四角 → 小さなロボット → 山がもっと見える四角 → 小さなロボット → 山と太陽の絵。矢印の下に「AIがノイズを少し取り除くことを、何回も繰り返す」。右に「時間がかかる」。一番下の帯:2021年の論文で、絵の質は拡散モデルが GAN を上回った。
GAN と拡散モデルが絵を作るときの流れを、上下に並べて比べた模式図です。上の GAN は、でたらめな数(さいころ)を、作るAI(ロボット)に1回通すだけで、絵ができあがります。下の拡散モデルは、ノイズ(ザラザラの点)だけの絵から始めて、AIがノイズを少し取り除くことを何回も繰り返し、だんだん絵にしていきます(途中は省いて描いています)。そのため、拡散モデルは絵を作るのに時間がかかります。それでも、2021年の論文で、絵の質は拡散モデルが GAN を上回りました。学び方も違い、GAN は見破るAIと競って、拡散モデルは、絵にわざと混ぜたノイズを当てる練習をして学びます。

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

  1. 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。

    くわしくは → ポイント解説:どうやって学ぶの?

  2. 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。

    くわしくは → ポイント解説:弱点は?

  3. 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。

    くわしくは → ポイント解説:拡散モデルとは、どう違うの?

参考文献と確かめ方

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

AIの用語をすべて見る(58) →