生成モデルと識別モデルの違い

前回、生成AIと識別AIに触れたわね。
今日はそれをもう一歩深めて、生成モデルと識別モデルという言い方で整理しましょう。

いい質問ね。
ここでのモデル?
は、学習を経てパターンを内に持ったAIの中身、と捉えてね。
ふふ、ゆきさんの丁寧さは図解ノート作りにも生かせそうね。

そうそう、メールが「スパムか、正常か」を見分けたり、写真が「犬か猫か」を当てたりするのが識別モデルね。
入力 X に対して、ラベル Y の確率P(Y|X)を計算しているの。

生成モデル?
はデータ全体の確率分布を学ぶの。
犬の写真なら「どんな色・形・ポーズが自然か」の分布ね。
そこからサンプリングして新しい犬画像を描ける。

ももさん、いい比喩よ。
門番と画家、覚えやすいわね。

いいえ、役割が違うのよ。
医療画像で「がんか否か」を判定するような現場では、今も高精度の識別モデルが主役。
生成モデルは創造、識別モデルは判定——住み分けが大事ということね。

いい補足。
GAN では識別器が生成器の出す偽物を見破ろうとし、生成器はそれを騙そうと成長する——二人三脚で品質が上がるのよ。
他の代表例は、文章ならLLM?
、画像なら拡散モデル?
や GAN、画像を圧縮して復元するのにVAE?
、音声ならTTS?
やSTT?
、マルチモーダルなら Gemini や GPT-4o。
これらを Phase 4 でひとつずつ扱うわよ。

いい質問。
半教師ありは「ラベル有+無データを併用」、自己教師ありは「データ自身からラベルを作る」方式で、どちらも学習手順の話。
生成/識別は目的(何を学ぶか)の軸だから、混ぜないことね。
たとえば LLM は自己教師あり学習で生成モデルを作る組み合わせよ。