GAN

Generative Adversarial Networks の略。2014 年に Goodfellow 氏らによって提案された、**生成器 (Generator)** と **識別器 (Discriminator)** の 2 つのネットワークを敵対させて訓練する生成モデルの枠組みです。生成器はノイズから本物らしいデータを作ろうとし、識別器は本物と偽物を見分けようとします。両者がゼロサムゲームの均衡に達したとき、生成器は真のデータ分布を学習している、というのが理論的な構成です。2010 年代後半の画像生成研究を席巻し、StyleGAN は写真と区別不能な顔画像を生成できる水準に到達しました。現在では拡散モデルに主役を譲りましたが、対称的な 2 プレイヤーの最適化という発想は機械学習の地形を恒久的に変えました。論理的にはミニマックスゲームの応用ですが、訓練の不安定性（モード崩壊・収束失敗）を実用的に克服するまでには数年を要しました。