2つのネットワークが競合する。一方は偽のサンプルを生成し、もう一方はそれが本物かどうかを判断する。学習によって、生成器は識別器を欺くように、識別器は偽物を見抜くように促される。その結果、説得力のある合成データを生成できる生成器が完成する。

イアン・グッドフェローが2014年にこのアイデアを発表した。GANは瞬く間にフォトリアルな顔画像、スタイルの転送、画像間の変換を実現した。GANは、生成AIに関する初期の大きな盛り上がりの原動力となった。

一般的な変異体

• 画像生成のためのDCGAN
• CycleGANによる非ペア翻訳
• 高精度顔画像のためのStyleGAN
• 出力制御のための条件付きGAN

学習は不安定です。モード崩壊により多様性が低下します。生成器と識別器間の振動により収束が妨げられます。拡散モデルは多くの画像処理タスクでGANを凌駕していますが、GANは推論速度が速く、特殊な用途では依然として有用です。