敵対的生成ネットワーク（GAN）の学習に関する説明として、最も不適切なものを1つ選べ。
1つ選んでください
正解と解説を見る
解説
正解C
ポイント
GANの代表的な失敗であるモード崩壊は、生成されるデータの多様性が失われる現象です。
選択肢ごとの解説
- A
適切
識別器は本物と偽物を見分ける2クラスの分類器として学習します。生成器は識別器をだませるように学習し、両者が競い合うことで生成器の出力が本物に近づきます。
- B
適切
生成器は、正規分布などから取り出した潜在変数（ノイズ）を、画像などのデータに変換します。入力する潜在変数を変えると、異なるデータが生成されます。
- C
不適切 ◯ 正解
モード崩壊は、生成器が識別器をだましやすい一部のパターンばかりを出力し、生成データの多様性が失われる現象です。識別器が本物と偽物を見分けられない状態は、むしろ生成器の学習が理想的に進んだときの到達点です。
- D
適切
識別器が強すぎても弱すぎても、生成器は改善の手がかりを得にくくなります。DCGANは、畳み込み層やバッチ正規化の使い方を工夫し、画像生成でのGANの学習を安定させました。
試験での狙われ方
生成器と識別器の役割の入れ替えや、モード崩壊など学習の不安定さに関わる課題を問う形が考えられます。
関連用語
参考
- G検定 試験出題範囲（シラバス2024）第1.4版 （技術分野 項目30 データ生成） 2026年10月30日閲覧
- Goodfellow et al., Generative Adversarial Networks (2014) 2026年10月30日閲覧
- Radford, Metz, Chintala, Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks (2015) 2026年10月30日閲覧
- Goodfellow, NIPS 2016 Tutorial: Generative Adversarial Networks (2016) 2026年10月30日閲覧