目まぐるしく成長するAI。
中でも医学、地理学をはじめとした多くの研究から高い期待を寄せられている「GAN」。
次回は実際に「GAN」に触って記事を書こうと思います!お楽しみに!
TECH MEDIA
こんにちは、エンジニアの飯塚です!
今回はディープラーニングの一種、パターン学習の「GAN」について書こうと思います。
「GAN」とは「Generative Adversarial Network」の略で、日本語では「敵対的生成ネットワーク」と呼ばれています。
私がこのパターン学習に興味を持ったのは、「AIPortraits」というアプリを使ったことがきっかけでした!
「敵対的生成ネットワーク」とは、2つのネットワークを競合させ学習させるというもので、学習させたデータから新しいものを創造できる生成モデルです。
そしてこのMITとIBMが共同制作した「AIPortraits」というアプリ、西洋の肖像画約4万5千点以上を学習させており、写真に写った人を精巧な西洋の肖像画に変換できるとういうものでした。
↓私が当時「AIPortraits」で変換したものを参考までに…
今回、「GAN」について書こうと思った理由は、今年の8月下旬、MITの学生が開発し発表した内容が、「GAN」のさらなる可能性を広げるものだったからです!
これまで説明してきた「GAN」ですが、1つだけ制約がありました。
それは存在するデータパターンしか学習せず、存在しないデータパターンは生成することができないというものです。
例えばで、眼鏡をかけていない人物のデータを学習させても、そこから眼鏡をかけた人物のデータは生成されません。
しかし、先述した8月下旬にMITの学生が開発した内容は、1つのデータを用意し学習させると、それまでに学習させたデータパターンに投影され、新たなパターンが生成されるというものです!
つまり眼鏡をかけていない人物データが100あったとして、眼鏡をかけた人物1人を学習させると、それまでの100ある眼鏡をかけていない人物データに投影され、眼鏡をかけたデータが新たに100生成されます。
目まぐるしく成長するAI。
中でも医学、地理学をはじめとした多くの研究から高い期待を寄せられている「GAN」。
次回は実際に「GAN」に触って記事を書こうと思います!お楽しみに!