ゼロショット学習とは？
ぜろしょっとがくしゅう
ゼロショット学習とは、学習データにない未知のクラスでも、クラスの説明情報を手がかりに正しく分類・識別できる機械学習手法です。
ゼロショット学習（Zero-Shot Learning、ZSL）は、訓練時に一度も見ていないクラス（未知クラス）に対して、推論時に正しく識別できることを目指す機械学習のパラダイムです。人間が未知の動物でも「4本足で哺乳類でしま模様」といった説明から類推できる能力を模倣しています。
中心的な考え方は意味空間の共有です。各クラスを属性ベクトル（例：「翼がある」「水中で生活する」といった性質の有無）や自然言語による説明、Word2Vecなどの単語埋め込みで表現します。訓練時は既知クラスの視覚特徴と意味表現の対応関係を学び、推論時はその対応関係を未知クラスの意味表現に適用することで分類を行います。
ゼロショット学習の主なアプローチには以下があります。
- 属性ベース：人が定義した属性（色・形・行動など）をクラス記述として利用
- 意味埋め込みベース：単語や文の分散表現をクラス記述として利用
- 生成モデルベース：未知クラスの特徴量を生成してから分類器を訓練
大規模言語モデル（LLM）の普及により、テキストによる指示だけで新タスクに対応できる能力としてゼロショットが注目されています。データ収集コストを大幅に削減できる点が最大の利点であり、希少種の識別や新興の商品カテゴリへの対応など、学習データ準備が困難な場面で特に有用です。
使い方・例文
ChatGPTなどの大規模言語モデルが、明示的な訓練なしに「この文章をフランス語に翻訳して」「法律文書を要約して」といった多様な指示に対応できるのは、ゼロショット能力の代表的な例です。
この用語をシェア
最終更新: