IT用語入門：転移学習【学習済み知識を別タスクに活用】

転移学習とは

転移学習は、すでに学習済みのAIモデルが持つ知識を流用し、新しい目的に合わせて最小限の訓練だけを追加する手法です。土台となるモデルの重みはそのまま活かし、必要な部分だけ学習させることで、短い時間と少ないデータで実用的な精度を目指します。

たとえば、画像認識で育てたモデルに新しいカテゴリだけを覚えさせる、従来店の購買予測モデルを新店舗のデータで調整する、症例が少ない病気の診断モデルを作る、といった場面で役立ちます。

仕組みとしては、共通の特徴を捉える層を固定し、その上に中間層や出力層を追加して学習します。元のモデルと目的の分野やデータ形式が近いほど効果が高く、違いが大きい場合は一部の層も合わせて調整するファインチューニングや、場合によってはゼロから学習する選択が必要です。

限られたデータや時間で成果を出しやすいことが最大の利点であり、現場への適用を加速する要となる考え方です。