偽のデータを生成する生成器と本物のデータと偽のデータを見分ける識別器を同時に競わせながら訓練することで、AIの精度を上げる手法のこと。画像生成や画像認識において高い成果を上げているほか、音楽生成や音声認識、株価予想など様々な分野でも利用されている。

GANの生成器は、新しいデータを生成するためのベースとなるランダムな初期条件を入れることで偽のデータを作成する。識別器は、本物のデータの集まり（実際の風景、特定の画家の絵画、実在の人物写真など）からランダムに取り出した入力データと生成器から受け取った偽データの2つのデータそれぞれに対し、本物のデータに対しては真、偽データには偽と返すよう訓練を行う。このとき、識別器では「本物を真、偽物を偽と判断する確率」が最大となるよう、生成器では「識別器が偽物を真と判断する確率」が最大となるよう偽画像を生成し、繰り返し訓練を行っていく。

生成器および識別器で畳み込みニューラルネットワークを用いる深層畳み込みGAN（DCGAN：Deep Convolutional GAN）も登場している。また、音声信号を画像としてとらえることでGANを利用し合成音声の高品質化を図る、実際の市場データ分布とGANによって生成された偽の市場データ分布の描画を金融市場の分析に利用する等、GANを利用した様々な開発が行われている。