GANとは【図解でわかりやすく】

最終更新日：2026年7月15日

30秒でわかる結論

GAN（Generative Adversarial Network＝敵対的生成ネットワーク）は、偽物データを生成する「生成器（Generator）」と本物か偽物かを見破る「識別器（Discriminator）」の二つのネットワークを競争させることで、本物そっくりのデータを生成できるようにする手法です。2014年のGoodfellow（イアン・グッドフェロー）による発表後、フェイク画像・音声・動画生成の技術的基盤となりました。現在は拡散モデルに主流の座を譲っていますが、試験でのGANの出題率は依然高い状態です。

GAN＝偽物を作る「生成器」と見破る「識別器」の競争で、本物そっくりを生成できるようになる。

GANはG検定で「生成器と識別器の関係」「GAN vs 拡散モデル」という形で問われます。「偽札職人vs警察」のたとえで仕組みを理解しましょう。

図解

解説

生成器＝偽札職人、識別器＝警察。職人は警察を騙せるよう腕を上げ、警察は見破る目を鍛える——このいたちごっこの果てに、本物と見分けがつかないデータが生成できるようになります。実在しない人物の顔画像で世界を驚かせ、生成AIブームの源流の一つに。ディープフェイクの技術的土台でもあり、光と影がセットで問われます。

具体例

①StyleGANで実在しない人物の顔写真を高精細生成（「This Person Does Not Exist」サイト）。②Pix2Pixで手書きスケッチから写真品質の画像に変換。③医療分野でのデータ拡張（実際の患者画像不足を補う合成医療画像の生成）。④音楽GANで楽器演奏音を新規生成。

間違えやすい類似用語

GAN vs 拡散モデル：どちらも画像生成AI。GANは生成器と識別器の競争で一発生成（速いが訓練が不安定）。拡散モデルはノイズから段階的に除去して生成（遅いが安定して高品質）。現在の主流は拡散モデル（Stable Diffusion等）だが、GANはリアルタイム応用では依然強みを持つ。
GAN vs VAE（変分オートエンコーダ）：VAEは入力をエンコード→潜在空間→デコードして生成（滑らかな潜在空間、画質は中程度）。GANは競争で高品質な画像を生成（画質高いが多様性が偏ることも）。拡散モデル登場以前は両者が画像生成の二大手法だった。

覚え方

GAN＝偽札職人vs警察。競い合って本物級に

試験での問われ方

G検定では「①GANの構成要素（生成器+識別器）」「②学習の仕組み（競争でお互いが上達する）」「③ディープフェイクの技術的土台」「④GAN vs 拡散モデルの比較（現在の主流はどちらか）」が頻出。また2014年のGoodfellowによる発表という歴史的経緯も出題されます。

確認問題

GAN（敵対的生成ネットワーク）において、偽物データを生成するネットワークと、本物か偽物かを判別するネットワークはそれぞれ何と呼ばれますか？

A. エンコーダとデコーダ
B. 生成器と識別器
C. 訓練器と評価器
D. アクターとクリティック

正解：B. 生成器と識別器

GANは生成器（Generator：偽物を作る）と識別器（Discriminator：本物か見破る）の二つのネットワークを競わせることで学習します。「偽札職人vs警察」のたとえで覚えましょう。エンコーダ/デコーダはオートエンコーダの構成要素、アクター/クリティックは強化学習（Actor-Critic法）の構成要素です。

GANの問題を解いてみる →