[Generative adversarial network - Wikipedia](https://en.wikipedia.org/wiki/Generative_adversarial_network) > GAN（Generative Adversarial Network）は、2014年6月にIan Goodfellowらが考案した[[機械学習]]のフレームワークの一種で[1]、2つの[[ニューラルネットワーク]]がゲーム（あるエージェントの利益が別のエージェントの損失となるゼロサムゲーム形式）で互いに争うものである。 > 学習セットが与えられると、学習セットと同じ統計量を持つ新しいデータを生成するように学習する技術である。例えば、写真を学習させたGANは、少なくとも表面的には人間の観察者に本物らしく見える、多くのリアルな特徴を持つ新しい写真を生成することができる。GANはもともと教師なし学習のための生成モデルとして提案されたが、半教師付き学習[2]、完全教師付き学習[3]、強化学習[4]にも有用であることが分かっている。 > GAN のコアとなる考え方は、識別器（入力がどの程度「現実的」に見えるかを伝えることができる別のニューラルネットワーク）を介した「間接的」な学習に基づいており、それ自体も動的に更新される[5]。 つまり、生成器は特定の画像への距離を最小化するために学習するのではなく、識別器を欺くために学習することになる。これにより、教師なし学習が可能となる。 > GANは進化生物学における擬態と似ており、両者のネットワーク間で進化の軍配が上がる。