GAN（敵対的生成ネットワーク）の学習で問題となる「モード崩壊（mode collapse）」の説明として、最も適切なものはどれか。
- 1層を深くするにつれて、誤差逆伝播の過程で勾配が小さくなり、入力層に近い層の重みがほとんど更新されなくなる現象。
- 2生成器が識別器をだましやすい一部のパターンばかりを出力するようになり、生成されるデータの多様性が失われる現象。
- 3新しいタスクを追加で学習すると、それ以前に学習したタスクの性能が大きく低下してしまう現象。
- 4識別器が訓練データを丸暗記してしまい、未知のデータに対する識別精度が大きく下がる現象。
正解と解説を見る
正解：2
モード崩壊とは、生成器が訓練データの分布の一部（特定のモード）ばかりを生成するようになり、出力のバリエーションが乏しくなる現象です。例えば手書き数字を生成するGANが、特定の数字しか出力しなくなる場合がこれにあたります。選択肢1は勾配消失問題、選択肢3は破滅的忘却、選択肢4は識別器の過学習の説明です。モード崩壊は「生成データの多様性が失われる」GAN特有の課題として押さえておきましょう。
根拠：Goodfellow et al.（2014）GAN（敵対的生成ネットワーク）の学習上の課題