フューショット学習とは？
ふゅーしょっとがくしゅう
フューショット学習とは、少数の例示データだけで新しいタスクを学習できるAIの機械学習手法です。
フューショット学習（Few-Shot Learning）とは、人間が少ない例を見ただけで新しい概念を素早く理解できる能力をAIで模倣した機械学習の手法です。従来の深層学習は大量のラベル付きデータを必要とするのに対し、フューショット学習では数枚から数十枚の例示（ショット）だけでモデルが新しいカテゴリや概念を認識できるよう設計されています。
仕組みとしては、事前に大量の多様なデータで「学び方を学ぶ」メタ学習を行い、その汎化能力を新タスクに転用します。代表的な手法には以下のものがあります。
- プロトタイプネットワーク：クラスの代表ベクトルと距離を比較する
- マッチングネットワーク：類似度を測って最近傍を探す
- モデルに依存しないメタ学習（MAML）：少数ステップで汎化できるパラメータを探索する
大規模言語モデル（LLM）の文脈では、プロンプトに数例を与えるだけでタスクを実行させる「インコンテキスト学習」もフューショット学習の一形態です。医療画像診断や希少語認識など、ラベル付きデータが少ない実用場面で特に重要な技術となっています。
使い方・例文
画像認識モデルに対して「これはシャム猫」「これはペルシャ猫」という2枚の例だけを与え、未知の猫画像を正しく分類させる場面がフューショット学習の典型例です。
この用語をシェア
最終更新: