GAN（ガン、Generative Adversarial Network）とは、生成器（Generator）と識別器（Discriminator）の2つのニューラルネットワークを競合させながら学習を進めるディープラーニング手法です。2014年にイアン・グッドフェローによって提案され、リアルな画像生成やデータ拡張の分野で革新をもたらしました。
GANの仕組みは「偽造者と鑑定士の競争」に例えられます。生成器は本物に近い偽の画像を生成しようと試み、識別器は本物と偽物を見分けようとします。この敵対的な関係によって、生成器はより精巧な画像を生成する能力を獲得し、最終的に人間が見分けられないほど高品質なコンテンツを作り出せるようになります。このプロセスは機械学習の教師なし学習アプローチの一種です。
GANは画像生成、画像修復、スタイル変換など幅広い用途で活用されています。顔画像の生成、アニメキャラクターの自動生成、低解像度画像の高解像度化などが代表的な応用例です。現在では拡散モデルに主流の座を譲っていますが、生成AI発展の基礎を築いた重要な技術として位置づけられています。学習の不安定性や過学習といった課題もありますが、その革新性は現代のAI技術発展に大きな影響を与え続けています。