転移学習

転移学習では、大量のデータで学習を済ませたモデルを出発点にして、目的の課題のデータで追加の学習を行います。画像の一般的な特徴や言葉の使われ方といった、多くの課題に共通する知識を引き継げるため、一から学ばせるよりも少ないデータと計算で精度を出しやすくなります。

たとえば、一般的な画像で学んだモデルを使い、自社の製品の不良品を見分けるモデルを作る、といった使い方があります。生成AIのファインチューニングも、転移学習の考え方にもとづくものです。自社のデータが少ない場面で、AIの開発を始めやすくする方法として使われています。

元のモデルが学んだデータと、目的の課題のデータがかけ離れていると、効果が出にくくなります。元のモデルの利用の条件（ライセンス）や、学習に使われたデータの偏りも引き継ぐことに注意します。評価用のデータで、目的の業務に合う精度が出るかを確かめます。