生成AI・LLM
GAN（敵対的生成ネットワーク）とは？意味・仕組みをわかりやすく解説
がん / Generative Adversarial Network ／ 最終更新日：2026年7月7日
30秒でわかる定義
GAN（敵対的生成ネットワーク）とは、『生成器』と『識別器』の2つのネットワークを競わせて学習させることで、本物そっくりのデータ（画像など）を生成する手法です。顔画像の生成や画像の高解像度化などで大きな成果を上げました。
仕組み・基本の流れ
- 1生成器（Generator）がノイズから偽のデータを作る
- 2識別器（Discriminator）が本物か偽物かを見分ける
- 3生成器は識別器を騙せるように、識別器は見破れるように、互いに競い合って学習する
- 4最終的に生成器が本物と見分けがつかないデータを作れるようになる
実務でのポイント：学習が不安定になりやすい（モード崩壊など）という課題があり、近年の画像生成は学習が安定した『拡散モデル』が主流になっています。ただしGANは生成が高速で、特定用途（超解像・スタイル変換等）では今も有用です。
関連する用語
このスキルを活かせる職種と年収は？
GANや生成モデルの知見は、画像生成・データ拡張・超解像などの案件で活きます。近年は拡散モデルと合わせて理解し、用途に応じて使い分けられる生成AIエンジニアが評価されます。
よくある質問
Q. GANと拡散モデルの違いは？
A. GANは生成器と識別器を競わせて生成する手法で高速ですが学習が不安定になりやすく、拡散モデルはノイズ除去を繰り返して生成する手法で学習が安定し高品質・多様な出力が得やすいです。近年の画像生成は拡散モデルが主流です。
Q. GANは今でも使われていますか？
A. はい。画像生成の主流は拡散モデルに移りましたが、GANは生成が速く、超解像（画像の高解像度化）やスタイル変換など特定用途では現在も使われています。