フューショット、ゼロショット、および転移学習の理解

人工知能（AI）システムは、顔認識、画像分類、自動運転といった複雑なタスクを、最小限の人的介入で処理できます。AIは、データを学習し、パターンを認識し、そのパターンを使用して予測や意思決定を行うことでこれを実現しています。AIが進化するにつれ、AIモデルが驚異的な効率で学習、適応し、タスクを実行する洗練された手法がますます増えています。

例えば、computer visionは、世界中の視覚情報を機械が解釈し理解できるようにすることに焦点を当てたAIの分野です。従来のコンピュータビジョンモデルの開発は、トレーニングのために大量のアノテーション済みdatasetsに大きく依存しています。このようなデータの収集とラベリングには、時間と費用がかかる場合があります。

これらの課題に対処するため、研究者は、限られた例から学習するFew-shot学習（FSL）、未知のオブジェクトを識別するZero-shot学習（ZSL）、および学習済みモデルの知識を新しいタスクに応用する転移学習（TL）といった革新的なアプローチを導入しました。

本記事では、これらの学習パラダイムの仕組みを探り、主な違いを明確にし、現実世界での応用例を見ていきます。それでは始めましょう！

学習パラダイムの概要#

コンピュータビジョンの観点から、Few-shot学習、Zero-shot学習、転移学習とは何か、そしてそれらがどのように機能するのかを探ります。

Few-shot学習#

Few-shot learningは、ごく少数のサンプルを使用してシステムが新しいオブジェクトを認識することを学習する方法です。例えば、ペンギン、ペリカン、パフィンの写真を数枚（この少数のグループを「サポートセット」と呼びます）モデルに見せると、これらの鳥がどのように見えるかを学習します。

その後、ペンギンのような新しい写真をモデルに見せると、モデルはその新しい写真とサポートセット内の写真を比較し、最も近い一致を選択します。大量のデータを収集することが困難な場合、システムが少数の例だけで学習および適応できるため、この手法は有益です。

Fig 1. フューショット学習の仕組みの概要。

Zero-shot学習#

Zero-shot learningは、機械がそれらの例を必要とせずに、これまでに見たことのないものを認識するための方法です。説明などのセマンティック情報を使用して、つながりを作るのを助けます。

例えば、機械が「小さくてふわふわしている」、「大きな野生のネコ科動物」、「長い顔」といった特徴を理解することで、猫、ライオン、馬のような動物について学習済みであれば、その知識を使って虎のような新しい動物を識別できます。これまで虎を見たことがなくても、「暗い縞模様のあるライオンのような動物」という記述を使って正しく識別できるのです。これにより、機械は大量の例を必要とせずに学習および適応することが容易になります。

Fig 2. ゼロショット学習による、説明を使用した新しいオブジェクトの識別。

転移学習#

Transfer learningは、モデルが1つのタスクから学習した内容を使用して、類似した新しいタスクを解決する学習パラダイムです。この手法は、物体検出、画像分類、パターン認識などのcomputer vision tasksにおいて特に役立ちます。

例えば、コンピュータビジョンでは、事前学習済みモデルが動物などの一般的なオブジェクトを認識し、転移学習によってファインチューニングを行うことで、異なる犬種などの特定のオブジェクトを識別できるようになります。過去のタスクからの知識を再利用することにより、転移学習を使用すると、より小さなデータセットでcomputer vision modelsのトレーニングが容易になり、時間と労力を節約できます。

Fig 3. 転移学習の仕組みの概要。

どのようなモデルが転移学習をサポートしているのか気になるかもしれません。Ultralytics YOLO11は、これが可能なコンピュータビジョンモデルの優れた例です。これは、最初の大規模で一般的なデータセットで事前学習された最先端の物体検出モデルです。その後、特定のタスク向けに、より小規模で特化したデータセットでファインチューニングおよびcustom-trainedを行うことができます。

学習パラダイムの比較#

Few-shot学習、Zero-shot学習、および転移学習について説明しましたので、これらを比較して違いを見てみましょう。

Fig 4. Few-shot、Zero-shot、および転移学習の主な違い。画像提供：著者。

Few-shot学習は、ラベル付きデータが少量しかない場合に役立ちます。AIモデルがわずかな例から学習することを可能にします。一方、Zero-shot学習はラベル付きデータを必要としません。その代わり、記述やコンテキストを使用してシステムが新しいタスクを処理するのを助けます。その間、転移学習は事前トレーニング済みモデルからの知識を使用することで異なるアプローチを取り、最小限の追加データで新しいタスクに迅速に適応できるようにします。各手法には、取り組んでいるデータやタスクの種類に応じた独自の強みがあります。

さまざまな学習パラダイムの現実世界での応用#

これらの学習パラダイムは、すでに多くのセクターで違いを生み出しており、革新的なソリューションで複雑な問題を解決しています。これらが現実世界でどのように応用できるかを詳しく見てみましょう。

Few-shot学習による希少疾患の診断#

フューショット学習は、ヘルスケア分野、特にmedical imagingにおいてゲームチェンジャーとなります。大量のデータを必要とせず、わずかなサンプルや説明だけで医師が稀少疾患を診断するのに役立ちます。これは、稀少疾患の大規模なデータセットの収集が困難であることが多いため、データが限られている場合に特に有用です。

例えば、SHEPHERDは、フューショット学習と生物医学の知識グラフを使用して、稀少な遺伝性疾患を診断します。症状や検査結果などの患者情報を、既知の遺伝子と疾患のネットワークにマッピングします。これにより、データが限られている場合でも、考えられる遺伝的原因を特定し、類似の症例を見つけることができます。

Fig 5. 最小限のデータを使用して稀少疾患を診断するShepherdモデル。

Zero-shot学習による植物病害検出の改善#

農業において、植物の病気を迅速に特定することは不可欠です。検出が遅れると、広範囲の作物被害、収穫量の減少、多額の経済的損失につながる可能性があるからです。従来の手法は大規模データセットと専門家の知識に依存することが多く、特に遠隔地や資源が限られた地域では必ずしも利用できるとは限りません。ここで、Zero-shot学習のようなAIの進歩が重要となります。

ある農家がトマトとジャガイモを栽培しており、葉の黄変や褐斑といった症状に気づいたとします。Zero-shot学習は、大規模データセットを必要とせずにジャガイモ疫病のような病気を特定するのに役立ちます。症状の記述を使用することで、モデルはこれまで見たことのない病気を分類できます。このアプローチは高速でスケーラブルであり、農家はさまざまな植物の問題を検出できます。これにより、農家はより効率的に作物の健康状態を監視し、タイムリーな対策を講じ、損失を削減できます。

Fig 6. ゼロショット学習を使用した植物の病気の特定。

自動運転車両と転移学習#

自動運転車両は、安全に走行するためにさまざまな環境に適応する必要があります。転移学習は、事前の知識を使用して、ゼロからトレーニングを開始することなく新しい条件に迅速に調整するのに役立ちます。車両が視覚情報を解釈するのを助けるコンピュータビジョンと組み合わせることで、これらの技術はさまざまな地形や天候条件でのスムーズな走行を可能にし、自動運転をより効率的で信頼性の高いものにします。

実際にこれが活用されている良い例として、Ultralytics YOLO11を使用して駐車スペースを監視するparking management systemがあります。事前学習済みの物体検出モデルであるYOLO11は、転移学習を用いたファインチューニングにより、空いている駐車スペースと埋まっている駐車スペースをリアルタイムで識別できます。駐車場画像の小規模なデータセットでモデルをトレーニングすることにより、空きスペース、満車スペース、さらには予約エリアを正確に検出することを学習します。

Fig 7. Ultralytics YOLO11を使用した駐車場管理。

他のテクノロジーと統合することで、このシステムはドライバーを最寄りの空きスペースに誘導し、探索時間の短縮と交通渋滞の緩和に貢献します。転移学習は、Ultralytics YOLO11の既存のobject detection機能をベースに構築することでこれを可能にし、ゼロから始めることなく駐車場管理の特定のニーズに適応できるようにします。このアプローチにより、時間とリソースを節約しながら、駐車業務を改善し全体的なユーザーエクスペリエンスを向上させる、非常に効率的で拡張性の高いソリューションを構築できます。

学習パラダイムの新たなトレンド#

コンピュータビジョンにおける学習パラダイムの未来は、よりインテリジェントで持続可能なビジョンAIシステムの開発に向かっています。特に、増えつつあるトレンドの1つは、フューショット学習、ゼロショット学習、転移学習を組み合わせたhybrid approachesの活用です。これらの手法の長所を融合させることで、モデルは最小限のデータで新しいタスクを学習し、その知識をさまざまな領域に適用できるようになります。

興味深い例として、adapted deep embeddingsを使用して、以前のタスクからの知識と少量の新しいデータからモデルをファインチューニングし、限られたデータセットでの作業を容易にすることが挙げられます。

同様に、X-shot learningは、データ量が異なるタスクを処理するように設計されています。これは、限られたノイズのあるラベルからの学習や明確な指示を使用する弱教師あり学習を活用し、事前のサンプルがほとんどまたは全くない場合でも、迅速に適応できるようにします。これらのハイブリッドアプローチは、異なる学習方法を統合することで、AIシステムがより効果的に課題に取り組むのにどのように役立つかを示しています。

重要なポイント#

Few-shot学習、Zero-shot学習、および転移学習はそれぞれ、コンピュータビジョンにおける特定の課題に対処しており、異なるタスクに適しています。適切なアプローチは、特定のアプリケーションと利用可能なデータの量によって異なります。例えば、Few-shot学習はデータが限られている場合にうまく機能し、一方、Zero-shot学習は未知のクラスや馴染みのないクラスを扱うのに最適です。

今後は、これらの手法を組み合わせて、視覚、言語、音声を統合するハイブリッドモデルを作成することが重要な焦点となるでしょう。これらの進歩は、AIシステムをより柔軟で効率的、かつ複雑な問題に取り組めるものにすることを目指しており、この分野におけるイノベーションへの新たな可能性を切り開いています。

our communityに参加し、our GitHub repositoryをチェックして、AIについてさらに詳しく学んでください。AI in self-driving carsやcomputer vision in agricultureがどのように未来を形作っているかをご覧ください。YOLO licenseの利用可能なオプションを確認して、始めましょう！