⑨（ここをくりっく）

こんにちは。

こんかいは、

GAN（ギャン）

です。

機械学習の技術の1つに、

GANがあります。

「generative adverserial network」
の略です。

画像など「本物っぽい」を作る
生成用ニューラルネットワークと

「それを判定する」

（本物・偽物の）
判別用ニューラルネットワークを
競い合わせるように訓練していきます。

ニューラルネットワーク
→脳内の神経細胞（ニューロン）の
ネットワーク構成を類似した数学モデル。

２つのニューラルネットワークを

互いに競わせて入力データの学習を
深めていくことから、

敵対的生成ネットワークとも呼ばれてます。

具体的には？

Generator（生成ネットワーク）

と

Discriminator（識別ネットワーク）

の

２つのネットワークから構成されており、

互いに競い合わせることで精度を
高めていきます。

ざっくり言うと、

生成AI（Generator）と
認識AI（Discriminator）を

競わせて学習を進める方法。

画像の生成なら、

生成AIは、「本物っぽい」画像を
作り出します。

そして、

その画像を認識AIが本物かどうか
判定します。

認識AIがニセモノと判定すれば、
生成AIはそれを学習して、

もっと本物っぽい画像を
作るようにします。

これを繰り返していくと、

「本物と同じ」くらいの

レプリカができあがります。

１番の特徴は、

「教師なし」で学習が可能なことです。

今まではどうだったの？

従来のディープラーニング（深層学習）では、
データのラベリングが必須でした。

たとえば、

①

イヌさんの画像をコンピュータに与え、
「これがイヌ」と答えを
同時に与えます。

②

コンピュータはイヌさんの特徴を記憶します。

③
「大量のイヌさんの写真」を与えて、
「イヌらしき特徴」をコンピュータはとらえ、

「おそらくイヌ」と
判断できるようになってきます。

つまり,

「大量のイヌさんの写真」
（教師データ）が必要でした。

GANでは、その必要がなくなります。

「答え」を与えられていない状態で
分類整理し、

「イヌさん」の概念を見つけ出す作業が
できます。

何ができるの？

１．高品質の画像を作る

データサンプルを与えて低品質の画像から
高い解像度のデータに仕上げていきます。

たとえば、
ピンボケした写真や昔の写真の解像度を
上げるなどといった活用法があります。

２．スタイルを変換する

２つの異なる画像を交換することできます。

たとえば、

ウマくんとシマウマさんの画像では、
シマウマさん → ウマくんに変わったり、

ウマくん → シマウマさんになったりします。

どうやってるの？

『CycleGAN』で、

無関係な2枚の写真を使い、
その特徴を似せ合うように
ネットワークを構築します。

たとえば、

風景写のデータを組み合わせて、
夏っぽいイメージから冬っぽいイメージに変える
など季節を入れ替えることもできます。

あと、名画と風景画像を合わせて
風景写真を「モネ風」の絵画に
変えられます。

ちなみに、

2015年、Googleさんが開発した
初期の画像検出システムでは、

２人の人間を、このように認識。

「ゴリラたち？」