近年、注目されているAI（人工知能）技術の一つがGANですよね。
テクノロジーの進化にともなって、パソコンさえあれば自分で撮った写真を自宅でプリントアウトしたり、手軽に加工したりすることが可能になりました。
写真や画像の加工技術は年々進化し、現在はAI（人工知能）を使用したシステムも登場しています。
例えばパソコン上で描いたイラストへAI（人工知能）が自動で着色するWebサービスもその一つ。また最近、テレビ番組やネットで昔の白黒写真や映像をカラー化したものを見かけるようになりましたよね。
実はこのカラー化にAI（人工知能）が使用されており、その技術はGANなのです。そして現在GANは新しい画像生成技術として注目されています。
そこで今回はGANについて、その詳細をお伝えしましょう。
GAN（敵対的⽣成ネットワーク）とは
現在、さまざまなAI（人工知能）開発で使用されている手法がディープラーニング。ディープラーニングは人間の脳神経ネットワークを真似たニューラルネットワークと呼ばれるモデル（計算方法）を用いた最新のAI（人工知能）技術になります。
そしてGANでは2つのニューラルネットワークを使用して画像生成を行います。
ではGANの詳しい仕組みについてご紹介しましょう。
GAN（敵対性⽣成ネットワーク）による画像⽣成の仕組み
GANの仕組みを紹介する前に、ディープラーニングについて説明します。
これまでに開発されてきた多くのAI（人工知能）で用いられているのが機械学習と呼ばれる技術。
機械学習とは教師あり学習・教師なし学習・強化学習と呼ばれる学習方法によって、人間が持つ知的能力と同じような能力をコンピュータプログラムで実現させるAI（人工知能）技術になります。
そして以前はその特徴を人間が設定してAI（人工知能）に学ばせていました。しかしこの方法では精度の向上に限界があったのです。
ディープラーニングの登場はAI（人工知能）を飛躍的に進化させ、現在に至ります。
そしてGANもディープラーニングの応用技術でありニューラルネットワークを2つ使用するという、これまでになかった方法で画像生成を行います。
Generator（ジェネレーター）とDiscriminator（ディスクリミネイター）
Generatorは日本語で生成ネットワークといい、目標になる画像のノイズと呼ばれる特徴をもとにして画像を生成していきます。そしてGeneratorが生成した画像と目標にしている画像が与えられ、両者を識別していくのが識別ネットワークと呼ばれるDiscriminatorです。
もちろん最初にGeneratorが生成した画像は目標画像にほど遠いものにしかなりません。
そのため最終的にはDiscriminatorが贋作だと識別できないほど、高精度の偽物画像がGeneratorによって生成されます。
これがGANによる画像生成の仕組みです。
GAN（敵対性⽣成ネットワーク）を使うことのメリット・デメリット
先ほど紹介したGANの画像生成方法からも分かるように、GANは画期的なAI（人工知能）技術です。
しかしまだまだ発展途上の技術であり、大きなメリットもあれば課題となっているデメリットもあります。
GANのメリット
GANを使用するメリットは主に次の３つになります。
高画質画像が生成できる
他の技術と組み合わせることが可能
例えばテキストデータを数値形式に表現できるword2vecと組み合わせると、「メガネをかけた女性 – 女性 + 男性」の演算で「メガネをかけた男性」の画像生成が可能になります。
元データの特徴を含んだ新しいデータが生成できる
そしてGANはサンプルの特徴を持った新たなデータを生成できるので、ディープラーニングで必要なデータへの応用が期待されています。
GANのデメリット
現在、挙げられているGANのデメリットは次の2つです。
生成した画像の評価が難しい
例えば株価の予測であればその先の結果を基準にして、AI（人工知能）が出した予測を数値的に評価することができます。
しかし、GANで生成された画像を数値的に評価できる方法は現在のところありません。
学習が不安定
しかし日々、課題を解決するための研究は進んでいます。そして研究によって、これまでにさまざまなGANが開発されてきました。
GAN（敵対的⽣成ネットワーク）を使った画像⽣成の例
2014年にGANが考案されて数年が経ち、その間に研究が進み次のような種類のGANが登場してきました。
ここではそれらのGANによって可能になった画像生成の例を紹介します。
CycleGAN
例えば風景写真をスケッチ画や絵画風の画像に生成したり、普通の馬をシマウマに変換したりなどの画像生成が可能です。
StyleGAN
StackGAN
そのため音声での画像修正や脚本からアニメを作ることも可能になるでしょう。
・Age-cGAN
例えば自分の顔画像を若くしたり、老けさせたりすることも可能です。
この他にも数種類のGANが開発されています。
今後も研究が進めば、前章で紹介したデメリットを抑えた新しいGANの誕生も期待できます。
GAN（敵対的⽣成ネットワーク）を応⽤すると、できること
お伝えしてきたようにGANの研究は進み、初期のころよりもさまざまな画像生成が可能になってきました。そしてGANの技術は画像だけでなく動画でも応用されています。
2020年の年末にTBSの「もしも！AI動画ランド」というバラエティー番組でディープフェイクを使って、有名なアスリートや芸能人の顔を交換し、実際にはありえないリアルな動画を作り放送していました。
このようにテレビ番組で取り上げられるほど、ディープフェイクも画期的な技術として注目されていますが、悪用されるケースが発生し大きな社会問題にもなっています。
このようにディープフェイクを悪用するケースは世界中で発生しています。
GANはディープラーニングで用いているニューラルネットワークを2つ使用して画像生成を行う最新のAI（人工知能）技術です。
そして仕組みはGenerator（ジェネレーター）とDiscriminator（ディスクリミネイター）という2つのニューラルネットワークで構成されています。
Generatorでは目標画像の特徴だけをもとにして画像生成を行い、Discriminatorがその生成された画像と目標画像を見比べて識別していきます。そして「Generatorによる画像生成」と「Discriminatorによる識別」の作業を繰り返すことで、真贋の見分けがつかないほどの高画質画像が生成されます。
このようにGANはこれまでにない方法で画像生成が行える画期的な技術なのです。
しかし発展途上の技術なので大きなメリットもあれば、その反面で解決しなければならないデメリットもあります。そしてGANの誕生から数年が経過しましたが、日々の研究で進化したさまざまな種類のGANが開発されてきました。これまでの進化の具合を見れば、今後デメリットを抑えたGANが誕生してくるでしょう。
また期待される反面で、紹介したように現在GANは悪用され世界中で社会問題にもなっており、そのため研究開発と同時に悪用を防ぐ何らかの対策も急がれます。
現在のところ世の中に及ぼす陰と陽の影響が半々ぐらいで共存していますが、その計り知れない可能性が良い方に向かって進化すれば、必ずGANは明るく世の中を照らす存在になるでしょう。
【お知らせ】
当メディア（AIZINE）を運営しているAI（人工知能）/DX（デジタルトランスフォーメーション）開発会社お多福ラボでは「福をふりまく」をミッションに、スピード、提案内容、価格、全てにおいて期待を上回り、徹底的な顧客志向で小規模から大規模ソリューションまで幅広く対応しています。
御社の悩みを強みに変える仕組みづくりのお手伝いを致しますので、ぜひご相談ください。
