事前学習やファインチューニングに関連する用語の説明として、最も適切なものを1つ選べ。
1つ選んでください
正解と解説を見る
解説
正解C
ポイント
半教師あり学習はラベルなしデータも学習に活用する方法です。正解をデータ自体から作る自己教師あり学習とは区別します。
選択肢ごとの解説
- A
不適切
自己教師あり学習は、データの一部を隠して当てさせるなど、データ自体から正解を自動で作って学習します。BERTが文中の隠した単語を予測する事前学習はその例で、人手のラベルが要らない点が利点です。
- B
不適切
破滅的忘却は、学習済みのモデルを新しいタスクで追加学習したとき、以前のタスクで得た知識が失われ、元のタスクの性能が大きく落ちる現象です。ファインチューニングや継続学習で注意が必要です。
- C
適切 ◯ 正解
半教師あり学習では、ラベル付きデータで学習したモデルがラベルなしデータに付けた予測（疑似ラベル）を学習に加えるなどして、ラベルなしデータも活用します。ラベル付けの手間を減らせます。
- D
不適切
例を1つも与えずに認識するのはZero-shotです。One-shotは1つの例、Few-shotは数個の例だけから、新しいクラスやタスクに対応することを指します。事前学習で得た汎用的な知識が、少ない例での適応を支えます。
試験での狙われ方
自己教師あり学習と半教師あり学習の取り違えや、Zero-shot・One-shot・Few-shotの例の数の違いを問う形が典型です。
関連用語
自己教師あり学習、半教師あり学習、破滅的忘却、Few-shot学習
参考
- G検定 試験出題範囲（シラバス2024）第1.4版 （技術分野 項目31 転移学習・ファインチューニング） 2026年10月30日閲覧
- Devlin et al., BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding (2018) 2026年10月30日閲覧
- Kirkpatrick et al., Overcoming catastrophic forgetting in neural networks (2016) 2026年10月30日閲覧