G検定 用語解説
GAN（敵対的生成ネットワーク）とは
生成器と識別器を競わせて学習させ、本物らしいデータを生成できるようにする生成モデル。
まず押さえる結論
GAN（敵対的生成ネットワーク）は、G検定の「大項目5 ディープラーニングの要素技術」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×CNN（画像・畳み込み/プーリング）とRNN（時系列・系列データ）の使い分け。
×LSTMとGRUのゲート数の混同（LSTM＝3ゲート＋記憶セル、GRU＝2ゲートに簡略化）。
×最適化手法の取り違え（モメンタム＝慣性、AdaGrad/RMSProp＝適応学習率、Adam＝両方）。GAN・VAE・拡散モデルの生成方式の違い。
関連する確認問題
大項目5 ディープラーニングの要素技術 / 生成モデルと注意機構
敵対的生成ネットワーク（GAN）を構成する2つのネットワークの役割の組み合わせとして、正しいものはどれか。
正解は「生成器が本物らしいデータを作り、識別器が本物か偽物かを見分ける」である。GAN（敵対的生成ネットワーク）は、生成器（Generator）が本物らしい偽データを作り出し、識別器（Discriminator）が本物か偽物かを見分けるよう、両者を競い合わせて学習させる。役割を入れ替えた選択肢や、両者が分類のみを行うとする選択肢は誤り。 選択肢を切るときは、設問の条件を「敵対的生成ネットワーク（GAN）」「生成器」「識別器」のどれに結び付けるかを先に固定する。他の選択肢は名称が近い、または同じ分野に見える場合があるが、対象・役割・前提が設問文とずれる。正解の「生成器が本物らしいデータを作り、識別器が本物か偽物かを見分ける」は、問われている定義や状況に最も直接対応する点で選べる。
同じ章で確認したい用語
到達チェック
- GAN（敵対的生成ネットワーク）を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、GAN（敵対的生成ネットワーク）に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる