GANは「対立しながら性能を上げる」生成モデル
GAN（Generative Adversarial Network）は、生成器（Generator）と識別器（Discriminator）の2ネットワークを競わせることで、より本物らしいデータ生成を目指す枠組みです。G検定では、厳密な損失式の展開よりも、この役割分担と学習の流れを理解することが重要です。
2つのネットワークの役割
- 生成器G: ノイズから偽データを生成し、識別器を騙す方向に学習する。
- 識別器D: 入力が本物か偽物かを判定し、見分ける精度を高める方向に学習する。
この相互作用によって、Gはより自然なサンプルを作れるようになり、Dはより厳密な判定器になります。
選択肢の判定
- 正解: 選択肢1。GANの本質を端的に表しています。
- 選択肢2は役割の誤りです。GとDは同じ仕事をしません。
- 選択肢3は不正確です。GANは教師なし/自己対戦的な学習枠組みです。
- 選択肢4も誤りです。通常はGとDを交互に更新します。
押さえるべき実務観点
- GANの難しさは学習安定性（モード崩壊など）にあります。
- 試験対策では「仕組み」「用途」「課題」をセットで覚えると強いです。
- 数式暗記よりも、なぜ競わせるのかを説明できることが重要です。