ゼロショット学習 とは？

そう！たとえば「以下の文章の感情をポジティブかネガティブで判定して」とだけ指示するのがゼロショット。「例：『最高の一日だった』→ポジティブ」みたいな具体例を添えるのがフューショットだよ。

GPT-4やClaudeのような大規模モデルは膨大なデータで学習しているから、多くのタスクでゼロショットでもかなり正確に答えられるんだ。ただし特殊なフォーマットが必要だったり、ドメイン固有の判断が必要なときは、例を見せたほうが安定するよ。

まずゼロショットで試してみて、精度が足りなければフューショットに切り替える、というのが実践的なアプローチだよ。ゼロショットで十分なら余計なトークンを使わずに済むから、コスト的にもお得なんだ。

感情分析、テキスト分類、要約、翻訳など、大規模言語モデルが事前学習で大量に見てきた一般的なタスクが得意だよ。逆に苦手なのは、特殊な業界用語を使った分類や、独自のフォーマットで出力するタスク。「この保険用語は免責事項に該当するか？」みたいなドメイン固有の判断は、フューショットで数例見せた方が精度が出やすいんだ。

プロンプトの書き方で精度が大きく変わるよ。「分類してください」より「あなたは金融の専門家です。以下の文章を『リスク高』『リスク中』『リスク低』のいずれかに分類してください。分類理由も簡潔に述べてください。」のように、役割・選択肢・出力形式を明示する方が精度が上がる。これをゼロショットプロンプティングと呼んで、例を見せなくてもプロンプト設計だけで性能を引き出す技術なんだよ。