GAN（敵対的生成ネットワーク）

偽データを作る生成器と、本物か偽物かを見分ける識別器を競わせて学習させる仕組み。両者が互いを高め合うことで本物に近いデータを生成できる。精巧な偽映像（ディープフェイク）の生成にも悪用される。

本物に似たデータを作る生成器（Generator）と、本物か生成されたものかを見分ける識別器（Discriminator）の2つのネットワークを、互いに競わせながら学習する生成モデルで、2014年にI.グッドフェローらが提案した。生成器は識別器をだませるよう、識別器は見破れるよう学習することで、精細な画像を生成できる。学習が不安定で、似た出力ばかりになるモード崩壊が起きやすい。

多数の中間層（隠れ層）を持つニューラルネットワークを用いた機械学習の手法。画像認識・音声認識・自然言語処理などで高い性能を発揮し、AIの発展を牽引している。

大量のデータを用いてモデルの基本的な知識や特徴抽出能力を事前に学習させる工程。この後にファインチューニングを行うことで、特定のタスクに適応させることができる。

事前学習済みモデルの重みを、特定のタスクに合わせて微調整する手法。少量のデータで効率的に高精度なモデルを構築でき、転移学習の代表的な方法である。

あるタスクで学習したモデルの知識を、別の関連するタスクに転用する手法。学習データが少ない場合でも高精度なモデルを構築でき、学習時間の短縮にもつながる。

画像認識に特化したディープラーニングのモデル。畳み込み層とプーリング層を組み合わせて画像の局所的な特徴を抽出し、画像分類・物体検出・顔認識などに高い精度を発揮する。

時系列データや文章などの順序のあるデータの処理に適したディープラーニングのモデル。出力を次の入力にフィードバックする再帰構造を持ち、文章生成や音声認識などに利用される。