転移学習
Transfer Learning
別の分野で学んだAIの知識を、新しい分野の学習に使い回す手法のこと。
簡単に説明すると
転移学習は、すでに賢くなった学習済みのAIモデルを土台にして、新しいタスクのために作り変える技術だよ。 例えば、大量の画像から「物の形」を覚えたAIをベースとして再利用し、それを「病気の種類」を見分けられるように追加で訓練するんだ。 0から教え始めるよりも少ないデータと短い時間で、精度の高いAIを完成させられるのが特徴だよ。
名前のヒミツ
転移学習（てんいがくしゅう）。Transfer（移動）とLearning（学習）を組み合わせた言葉だよ。ある特定の課題を解くために訓練したAIの知識を、別の似たような課題へ「移動させて」再利用することからこう呼ばれているんだ。AIの教育コストを下げるための重要な考え方だね。
くわしく見てみよう！
転移学習とは、ある領域で学習した知識や経験を、別の領域の学習に役立てる機械学習の手法のことだよ。
人間が「数学で身につけた論理的な考え方」を「プログラミング」の勉強に活かすように、AIの世界でも似たような知識の使い回しをするんだ。
多くの場合、すでに事前学習されたモデルを土台として利用し、その上に新しいタスク向けの層を追加したり一部を再学習したりするんだ。
例えば、画像認識なら「色」「線」「形」といった基礎知識をすでに持っているモデルを土台にするよ。
その土台の上に、特定の目的、例えば「リンゴの品種を見分ける」といった新しい知識を少しだけ付け足して学習させるんだ。
この方法の大きなメリットは、データの確保が難しい分野でも高性能なAIが作れる点にあるよ。
通常、AIに何かを覚えさせるには何万枚もの画像が必要だけど、転移学習を使えば数百枚程度の画像でも十分な精度が出せることがあるんだ。
画像認識や自然言語処理など、多くのAI開発現場で広く使われている手法なんだよ。