本文へ移動
← 目次 生成AI発展講座 DAY 29

第6章|ディープラーニングの応用

DAY 29 ・ 約30分

生成モデル

VAE・GAN・拡散モデルがデータを生み出す考え方を学ぶ。

今日できるようになること

識別モデルと生成モデルを分け、VAE・GAN・自己回帰モデル・拡散モデルの学習と生成の違い、評価・権利・安全上の注意を説明できる。

01 言葉を知る02 仕組みを理解する03 実例で理解する04 今日の理解度を確認する05 今日の整理をする
01|言葉を知る

言葉を知る

用語を暗記するだけでなく、似た概念との違いと、何を判断するための言葉かまで整理します。

生成モデル

学習データが現れる分布や規則を学び、そこから新しいデータを生成したり、欠損を補ったりするモデルです。

変分オートエンコーダ(VAE)

入力を潜在変数の確率分布へ変換し、そこから標本化して復元する生成モデルです。潜在空間を滑らかに整えます。

敵対的生成ネットワーク(GAN)

生成器と識別器を競わせ、本物に近いデータを作るよう学習する生成モデルです。学習の不安定さを持ちます。

自己回帰モデル

既に生成した要素を条件に、次の要素を一つずつ生成するモデルです。文章の次トークン予測などに使われます。

拡散モデル

データへ段階的に雑音を加える過程を学び、生成時には雑音から少しずつデータらしい形へ戻すモデルです。

モード崩壊

GANの生成器が、学習分布の一部に偏った似た出力ばかり作る現象です。見た目の品質だけでは見落とします。

潜在変数

VAEのencoderは、潜在変数の平均と分散を出し、その分布からzを標本化します。

02|仕組みを理解する

仕組みを理解する

1.識別モデルは境界を、生成モデルはデータの規則を学ぶ

犬と猫の識別モデルは、入力を二種類へ分ける境界を学びます。生成モデルは、犬画像や猫画像がどのような分布で現れるかを捉え、そこから新しい画像を作ります。欠損補完、異常検知、データ圧縮にも利用できます。 生成された一例が美しいだけでは、分布を十分に学んだとは言えません。多様性があるか、訓練例をそのまま再現していないか、条件どおりかを見ます。「新しい」は、学習データと無関係という意味ではありません。出力は学習した関係の影響を受けます。

2.VAEは、一点ではなく潜在分布へ符号化する

通常のオートエンコーダは入力を一つの潜在ベクトルへ写します。VAEのencoderは、潜在変数の平均と分散を出し、その分布からzを標本化します。decoderはzから入力を復元します。近い入力が潜在空間でも連続的に並ぶよう、標準正規分布へ近づける制約を加えます。 損失は再構成の良さと、潜在分布を整えるKLダイバージェンスを組み合わせます。再構成だけを優先すると空間がばらばらになり、制約を強くし過ぎると個別の情報を失います。二つのバランスを確認します。

3.再パラメータ化で、標本化を通して学習する

分布から直接ランダムに値を取る処理は、そのままでは通常の誤差逆伝播を通しにくくなります。VAEでは、標準正規分布から雑音εを取り、z=平均+標準偏差×εと表します。ランダムさをε側へ分離し、平均と分散の計算へ勾配を流します。 これは乱数をなくす工夫ではありません。同じ入力でも異なるzが得られます。生成時は事前分布からzを取り、decoderへ入れます。潜在軸を動かして出力がどう変わるか見られますが、各軸が人に分かる意味へ対応する保証はありません。

4.GANは、生成器と識別器の競争で学ぶ

生成器Gは雑音から偽データを作り、識別器Dは本物データと生成データを見分けます。Dは見分けを上達させ、GはDをだませる出力へ改善します。両者の競争により、人が画素ごとの正解を指定しなくても本物らしい画像を作れます。 最終目標はDを一時的にだますことではなく、生成分布をデータ分布へ近づけることです。Dが強過ぎればGへ役立つ勾配が届かず、Gが一部例だけでだませば多様性を失います。二つの損失を別々に追います。

5.モード崩壊と学習不安定性を見逃さない

顔画像を生成するGANが似た顔だけを高品質で出すと、個別画像は本物らしくても分布全体を学べていません。これがモード崩壊です。乱数を変えた多数の出力を並べ、属性や構図の分布を確認します。 GANは二つのネットワークが同時に変わるため、通常の一目的最適化より不安定です。Wasserstein距離を使う改善、正規化、学習率調整などがあります。手法名だけで安定を保証せず、複数乱数、学習曲線、同一出力率、最近傍の訓練例を記録します。

6.自己回帰モデルは、順番に一つずつ作る

文章では前のトークンから次を、画像では決めた画素順や圧縮表現の順で次を予測します。尤度を明示的に計算しやすく、条件付き生成へ使えます。生成した一要素を次の入力へ使うため、前半の誤りが後へ伝わります。 一つずつ生成する基本形は並列化しにくく、長い出力では遅くなります。生成順序がデータの自然な構造と一致するとも限りません。教師強制で正解の過去を使う訓練と、自分の出力を使う生成の差を評価します。

7.拡散モデルは、雑音を加える過程を逆向きに学ぶ

学習では画像へ少量のガウス雑音を何段階も加え、最後はほぼ雑音にします。モデルは、ある段階の汚れた画像と時刻から、加えられた雑音や元画像の方向を予測します。生成時はランダム雑音から始め、予測を使って何度も雑音を除きます。 一回で完成画像を出すのではなく、反復して整えます。高品質で多様な画像を作りやすい一方、基本形は生成ステップが多く計算時間がかかります。高速化でステップを減らすと品質や条件一致が変わるため、同じ設定で比較します。

8.条件付き生成は、指示と出力を結び付ける

クラス名、文章、別画像、音声などを条件として生成できます。文章条件の画像生成では、文章encoderが指示をベクトルへし、拡散過程がそれを参照します。Classifier-Free Guidanceなどで条件への一致を強められます。 強くし過ぎると多様性が減り、不自然な画像になる場合があります。長い指示の一部を無視する、個数や左右関係を誤る問題もあります。条件一致、見た目、文字や数、構図を分けて試します。否定語だけに頼らず、必要な要素を明確にします。

9.生成品質は、自然さ・多様性・記憶を分けて測る

画像では人の評価、分類器の特徴を使うFIDなどがありますが、一つの得点だけで品質、意味、安全性を測れません。FIDはデータ集合の特徴分布を比べる指標で、個別画像の正しさや著作権を判定しません。評価に使う特徴抽出器の偏りも受けます。 訓練データへ非常に近い出力を作る記憶も調べます。生成物と訓練例の最近傍を比較し、珍しい名前や個人情報を入力して漏えいしないか確認します。多様性、公平性、条件一致、危険内容を別の試験へします。

10.DAY 29では、四方式を生成手順で比較する

VAEは潜在分布から一度に復元し、GANは生成器と識別器を競わせ、自己回帰は順番に一要素ずつ作り、拡散は雑音から反復して戻します。学習時に必要な部品、生成の速さ、安定性、多様性、尤度の扱いを表へします。 最後に「本物らしい」を、目的に合う、事実として正しい、権利上使える、安全に公開できるへ分解します。生成方式を説明できても、利用判断は別の確認が必要です。技術と運用を一つの言葉で済ませないことが第29日の到達点です。

03|実例で理解する

実例で理解する

具体例で考える

家具販売会社が、実在する部屋写真へ新しいソファの配置案を合成し、購入前のイメージを示す場面を考えます。目的は魅力的な画像を作ることだけでなく、商品の大きさ、色、形を誤解させないことです。広告として使う画像と、内部の企画案を分けます。 入力は利用者が許可した部屋写真、商品カタログ画像、寸法、希望スタイルです。個人の顔、住所が分かる書類、家族写真が写る場合はアップロード前に除去またはマスクします。保存期間と学習利用の有無を説明します。 拡散モデルへ文章と商品画像を条件として与え、部屋の一部をマスクしてソファ領域を生成します。商品固有の模様を一般モデルの文章知識だけへ任せず、公式の商品画像と形状情報を参照します。生成強度を変え、元の壁や窓まで書き換えない設定を探します。 評価では、見た目の自然さ、商品色、脚の本数、寸法比、壁や床との境界、部屋の保持を別々に採点します。利用者が実寸と誤解しないよう「配置イメージ」であることを表示し、正確な設置可否は寸法表で確認します。 乱数を変えて複数案を作り、多様性と条件一致を見ます。似た一案ばかりなら、条件の強さや生成方式を見直します。生成画像が学習データの既存写真へ近過ぎないか、逆画像検索や内部の最近傍比較も利用範囲に応じて行います。 VAEを商品画像の異常検知へ使う場合は、生成案とは別目的です。正常な商品写真を復元するよう学習し、再構成誤差が高い画像を撮影不良や破損候補として人へ返します。珍しい正常商品も異常になり得るため、自動廃棄にはつなげません。 GANを使う候補では、個別画像の鮮明さだけでなく、部屋の広さや生活様式が一部に偏らないかを見ます。高級住宅風だけを出すなら、学習分布と条件を確認します。生成方式の違いより、利用者へ生じる誤解を先に管理します。 公開前に、商品担当が色・形、法務担当が素材と表示、利用者が自宅画像の同意範囲を確認します。生成履歴、使用モデル、入力素材、編集担当を保存します。モデル更新後は同じ代表入力を再生成し、商品が変形しないか比較します。生成AIを表現の道具として使いながら、事実・権利・安全を別の証拠で支えます。 比較用に、同じ部屋と指示をVAE、GAN、拡散モデルで処理したと仮定し、出力を作る速さ、条件一致、細部、多様性、学習の安定性を表へします。方式名だけで勝者を決めず、リアルタイム接客か、時間をかけた広告制作かで必要条件を変えます。 利用者が生成案を保存・共有・削除できる範囲も決めます。SNSへ共有された後は元画像の削除だけで回収できないため、公開前の確認画面を置きます。生成物へ来歴情報を付けられる場合は活用しますが、来歴がない画像を人間制作と断定しません。問い合わせに備え、元写真の所有者、生成日時、編集箇所、公開先を追える記録を残します。苦情があれば対象画像を止め、同じ条件の生成物も確認します。採用しなかった案は、必要な期間だけ保管して削除します。削除日時と担当者も記録して再利用を防ぎます。毎月見直します。

手を動かして理解する

  1. 提供ケース「同じ情報を文章・画像・音声で扱う架空例を比較する」または自分が説明できる身近な事例を一つ選び、DAY29「生成モデル」の判断観点で整理してください。提出物には、①対象と目的、②本文の用語を使った判断、③判断の根拠、④未確認事項または限界を記します。最後に学習目標「識別モデルと生成モデルを分け、VAE・GAN・自己回帰モデル・拡散モデルの学習と生成の違い、評価・権利・安全上の注意を説明できる。」を満たす説明になっているか自己確認してください。紙または端末の標準メモだけで実施でき、外部サービスへの登録や有料契約は不要です。 実在人物の個人情報、機密情報、未公開資料は使わず、架空または匿名化した情報だけを使ってください。

04|今日の理解度を確認する

今日の理解度を確認する

1 / 5
QUESTION 01

識別モデルと生成モデルの違いとして適切なものはどれですか。

QUESTION 02

VAEで再パラメータ化を使う主な理由はどれですか。

QUESTION 03

GANでモード崩壊が起きた状態はどれですか。

QUESTION 04

拡散モデルの基本的な生成方法はどれですか。

QUESTION 05

生成モデルの評価として最も適切なものはどれですか。

05|今日の整理をする

今日の整理をする

この3点を持ち帰る

  • ✓ VAE・GAN・自己回帰・拡散モデルは、学習目的と生成手順が異なる
  • ✓ 一例の自然さだけでなく、多様性、条件一致、安定性、訓練データの記憶を評価する
  • ✓ 生成物の事実性、権利、表示、個人情報はモデル性能と別に管理する

講義本文 4,049字

PRIMARY SOURCES

確認に使った一次資料・原典

本文は各資料を参照し、初学者向けに独自構成・独自表現で解説しています。
NEXT LESSONDAY 30「転移・マルチモーダル・解釈・軽量化」へ次のDAYに進む →