転移学習とは？てんいがくしゅう
転移学習とは、大量のデータで学習済みのモデルを土台として使い回し、自分の目的に合わせて一部だけ学習し直す手法。一から学習するより少ないデータと短い時間で高い精度が得られる。土台側を固定して出力側だけ付け替えるのが狭い意味の転移学習で、全体を小さく調整し直すファインチューニングと合わせて、基本情報では学習コストを減らす手段として問われる。
最終更新：2026-10-09
基本情報を最短で暗記・合格する →背景
精度の高いモデルを一から作るには、ラベル付きの画像を何百万枚も集め、高価な計算機で何日も学習させる必要があり、普通の会社や研究室には無理だった。「線や形を見分ける力」のような下地は課題が違っても共通なので、公開されている学習済みモデルを借りて上澄みだけ学び直せばよい、という発想で個別の課題への応用が一気に広がった。
具体例
Googleが公開している画像認識モデルの出力層だけを差し替え、自社製品の良品・不良品の写真数百枚で学習し直すと、短時間で外観検査の仕組みが作れる。ChatGPTのもとになった大規模言語モデルを、特定業務の文章で追加学習させて専門の応答をさせるのも同じ考え方。
試験での引っ掛け
学習済みモデルを再利用するだけで、学習が不要になるわけではない。元のデータと新しい課題の性質がかけ離れていると効果が出ず（負の転移）、万能ではない。ファインチューニングはモデル全体の重みを小さく調整し直す方法で、転移学習の一つのやり方として位置づけられる。
関連用語
出典・参考
公式シラバスの1 基礎理論 ＞ 3. 情報に関する理論 ＞ (8) AI（Artificial Intelligence：人工知能）に関する技術に掲載されている用語です。
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。