【てんいがくしゅう】
転移学習 とは？
💡 「他で学んだこと」を新しい分野に活かす学習法
📌 このページのポイント
- 一つのタスクで学習した知識を別のタスクに再利用する
- 新しいタスク用の大量データがなくても高精度なモデルを作りやすい
- 画像認識・自然言語処理など多くのAI分野で標準的な手法
- ファインチューニングは転移学習を実現するための代表的な方法の一つ
ひよこ 転移学習って、なんで別のタスクの知識が使えるの？
ペンギン先生 深いところに共通する「特徴の捉え方」が活きるからなんだ。例えば大量の画像で学習したモデルは、「線・テクスチャ・形・物体」を段階的に認識する方法を身につけている。これは「犬の認識」でも「X線画像の分析」でも基本的に同じ能力が使えるんだよ。
ひよこ ファインチューニングと転移学習って違うの？
ペンギン先生 転移学習が「考え方・概念」で、ファインチューニングがその「実現方法の一つ」という関係だよ。転移学習をどう実装するかには、全パラメータを更新するファインチューニングのほか、前半の層を凍結して後半だけ学習する方法など、いくつかのアプローチがあるんだ。
ひよこ どんな分野で使われてるの？
ペンギン先生 ひよこ どのくらい転送できるかって、どうやって決まるの？
ペンギン先生 「ドメインシフト」という概念が絡んでいて、これが難しいんだよ。元のタスクと新しいタスクが似ているほど転移しやすいけど、「似ている」の測り方が曖昧なんだ。例えば自然画像で学習したモデルを衛星写真に使うと、見た目は違うのに意外とうまく転移する一方、自然画像から漫画への転移はうまくいかないことがある。「なぜこのケースは転移しやすいか」を事前に正確に予測するのは研究者でも難しくて、試してみないと分からない部分が今でも多いんだよ。
まとめ：ざっくりこれだけ覚えればOK！
「転移学習」って出てきたら「他の分野で培った知識を新しい分野に応用する学習方法」と思えればだいたいOK！
📖 おまけ：英語の意味
「Transfer Learning」 ＝ 転移学習
💬 Transferは「移す・転送する」という意味。学習した知識を別タスクに「転送（移転）」するイメージだよ