生成AIとは
学習目標: 生成AIの基本概念と識別モデルとの違いを理解する
生成モデル vs 識別モデル
識別モデル（Discriminative）
目的: データからクラスを予測
P(y|x) を学習 - 入力xが与えられたときのクラスyの確率
例:
- 画像分類（猫か犬か）
- スパム検出
- 感情分析
生成モデル（Generative）
目的: データの分布を学習し、新しいデータを生成
P(x) または P(x|y) を学習 - データの生成確率
例:
- 画像生成
- テキスト生成
- 音楽生成
主要な生成モデル
| モデル | 特徴 | 利点 | 欠点 |
|---|---|---|---|
| VAE | 確率的エンコーダ・デコーダ | 潜在空間が滑らか、補間可能 | 出力がぼやけることがある |
| GAN | 生成器と識別器の敵対的学習 | シャープな画像を生成 | 学習が不安定、モード崩壊 |
| 拡散モデル | ノイズの段階的除去 | 高品質、多様性が高い | 生成が遅い |
| 自己回帰モデル | 逐次的に生成 | 柔軟、確率計算が容易 | 生成が遅い |
生成AIの歴史
2013 - VAE
Kingma & Welling による変分オートエンコーダの提案
2014 - GAN
Ian Goodfellow による敵対的生成ネットワークの発明
2020 - 拡散モデル
DDPMにより拡散モデルが注目を集める
2022- - 大規模生成AI
DALL-E 2, Stable Diffusion, Midjourney, Sora など
理解度チェック
Q. 生成モデルの主な目的は何ですか？