01 / UNDERSTAND
仕組みと使いどころ
少数例学習は、各クラスについて少数のラベル付き例を使ってモデルに新しい課題を学習させる枠組みです。特定のアルゴリズムやモデル構造を指す言葉ではなく、転移学習やメタ学習、データ拡張など複数の方法が利用されます。主な用途は分類ですが、回帰や強化学習にも適用できます。事前学習済みモデルを使う場合は、元の学習内容と新しい課題が関連しているほど適応しやすくなります。一方、例が少ないため過学習しやすく、元の例に十分な多様性がなければ、データ生成や拡張を行っても良好な汎化性能が得られるとは限りません。
02 / IN PRACTICE
Few-shot learningの活用例
たとえば、こんな場面で
希少な動植物の画像など、各分類対象について少数のラベル付き画像しか用意できない場合に、関連する画像で事前学習したモデルを新しい分類課題へ適応させる用途が考えられます。
03 / GOOD TO KNOW
使うときのポイント
導入時は、利用できるラベル付き例の数と多様性、事前学習した課題との関連性を確認します。少数例だけで十分な精度が得られるとは限らないため、新しいデータへの予測結果も確かめる必要があります。
参考資料
What Is Few-Shot Learning? | IBM （新しいタブで開きます）What is Transfer Learning? - Transfer Learning in Machine Learning Explained - AWS （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。