GENERATIVE AI MAP

VAE・GAN・拡散モデル・LLM

「何を入力し、何を学習し、どう生成するか」に注目して、代表的な生成モデルを比較します。

モデルを選んで全体像をつかむ

モデル	中心となる考え	生成速度	得意	代表的な弱点
VAE	確率的な潜在空間へ圧縮・復元	速い	表現学習、異常検知、補間	出力がぼやけやすい
GAN	生成器と識別器の敵対的学習	速い	鮮明な画像、画像変換	学習不安定、モード崩壊
拡散モデル	ノイズ付加の逆過程を反復学習	比較的遅い	高品質画像、条件付き生成	反復計算のコスト
LLM	文脈から次トークンを自己回帰生成	逐次生成	文章、対話、コード	幻覚、根拠の保証がない

正解 0 / 0

品質自然さ、鮮明さ、文章の流暢さ

多様性似た出力ばかりになっていないか

忠実性条件・指示・事実に沿っているか

安全性偏り、権利侵害、有害出力がないか

画像ではFIDなど、文章では人手評価やタスク別指標も使います。ただし、単一指標だけで実用性や安全性を判断することはできません。

VAEとGANはどちらも潜在変数から画像を作るのに、何が違う？

VAEは確率分布として整った潜在空間と復元を学びます。GANは識別器との競争を通じて本物らしさを高めます。VAEは補間しやすく、GANは鮮明さを得やすい傾向があります。

拡散モデルは毎回、完全なランダムノイズから始める？

基本形ではランダムノイズから始めます。画像やテキスト条件を加えたり、既存画像を途中までノイズ化して編集したりする方式もあります。

LLMは文章を丸ごと考えてから出力している？

基本的には、それまでの文脈から次のトークンの確率分布を計算し、1トークンずつ追加します。そのため流暢でも、内容が事実である保証はありません。

「生成モデル」と「識別モデル」の違いは？

生成モデルはデータの分布を学び、新しいデータを作れます。識別モデルは入力をクラス分けしたり、条件に対する答えを直接予測したりすることが中心です。