AIの開発で最大の難関が、人間による大量の入力が必要なことだ。最初に、AIに解かせるための適切なデータを見つけて入力しなければならないし、さらにそれ以前に、AIを有能にするための訓練で大量のデータ入力が必要だ。GoogleのAI研究者Ian Goodfellowは、Elon Muskらが率いるOpenAIに出向したあと、最近またGoogle Brainに戻った人物だが、彼によると、ニューラルネットワークに別のニューラルネットワークを組み合わせることによって、この二つの問題を解決できるかもしれない、という。
実はFacebookでも同様の研究論文を、AI研究のトップYann LeCunnとAIエンジンイアSoumith Chintalaが昨年の6月に書いている。その中で彼らは、生成能力のある敵対的ネットワーク(generative adversarial networks, GANs)を利用する自動〔==無監督〕学習、すなわち人間が介入する必要のない機械学習を説明している。これを最初に考えたのはGoodfellowだが、Wired誌によると、その有効性の証明にはモントリオール大学における研究者たちの（アルコールの力も借りた？）激論を要した。
このシステムでは、二つの互いに対立するニューラルネットワークが、対立する情報を相手に提供しあう。たとえば一方が犬のリアルな画像を合成しようとしていると、他方はおかしな点を指摘し、相手の失敗を批判する。このような試行と批判を繰り返すことによって、生成を担当する方のシステムが、意外なやり方で性能を上げ、能力をアップしていく。
GANsを利用すると、AI研究者たちは、画像生成システムなどが時間をかけて改良されていくために必要な、人間による入力信号の修正を減らせるだけでなく、医療のような厳しい分野でも、有益なAIや機械学習ツールを生成するために必要な実データの量を最小化できる。GoogleのDeepMindはイギリスの国民保健サービス(NHS)とパートナーし、個人の保健医療データを利用しようとして問題になっているが、GANs を使えば実データではなく人工的な患者データを利用してAIを訓練できるかもしれない。
GoodfellowがGoogleに戻ったことは、GANsをめぐる大手テクノロジー企業間の競争（や協力）が激しくなっていることを、示している。もちろんその競争は、将来におけるAI開発のスピードをアップすることにもつながる。またAIベースの保健医療サービス等の受益者たちも、プライバシー侵犯の心配から解放され、関係者全員のウィンウィンの構造が出来上がるだろう。