一般化転移学習とは？転移学習との違いと使いどころ

Q: 転移学習と何が違うんですか？

ほぼ同じ方向の言葉で、一般化は転移の範囲を広くとらえる呼び方です。文献によって使い方が異なり、転移学習の別名として使う例もあります。迷ったら、どの知識をどの仕事へ引き継ぐのかを確認すると話が通じます。

Q: 自社の少ないデータでも使えますか？

データが少ないときこそ向く方法ですが、必ず検証が必要です。元の仕事と近い土台を選ぶことが成功の鍵です。数十件から試せる場合もありますが、結果はデータ次第です。

Q: どんなときに失敗しやすいですか？

元の仕事と先の仕事がかけ離れているときに、うまくいきにくくなります。精度が下がるのは負の転移と呼ばれます。土台のモデルを変えたり、使う層を減らしたりして比べましょう。

一般化転移学習（Generalized Transfer Learning）
- 一般化転移学習（Generalized Transfer Learning）関連用語
一般化転移学習（Generalized Transfer Learning）で知っておくと得する有益情報
一般化転移学習（Generalized Transfer Learning）やさしい解説
一般化転移学習（Generalized Transfer Learning）についてのみんなの疑問
AI関連の用語集【まとめ】

一般化転移学習（Generalized Transfer Learning）

アイちゃんのイラスト — 1つの知識を、いろいろな仕事へ
1つの知識を身につけます。
画像、音声、文書へ広げます。
手元のデータが少なくても使えます。

一般化転移学習とは、ある仕事で身につけた知識を、別の関連する仕事に活かして学習を効率よく進める考え方のことです。一から学習し直す手間を減らし、手元のデータが少ない場面でも精度を出しやすくなります。画像認識や文章の分類、音声認識などで使われてきました。「一般化」は、転移できる知識の範囲を広くとらえる呼び方で、定義は文献によって幅があります。

一般化転移学習（Generalized Transfer Learning）関連用語

一般化転移学習（Generalized Transfer Learning）に関連する単語は以下の通りです。

一般化転移学習（Generalized Transfer Learning）で知っておくと得する有益情報

転移学習の考え方は、自社でAIを使うときのデータ不足の悩みと相性がよいです。押さえたい点を3つにまとめました。

データが少なくても始めやすい元の知識を借りるので、自社の少ないデータでも精度を出しやすくなります。
元と先が近いほど効く似た仕事ほど知識が活き、かけ離れた仕事では効果が出にくくなります。
引き継ぎが悪さをすることも元の知識が合わないと、かえって精度が下がる場合があります。必ず検証します。

転移の進め方の例

進め方	内容
特徴を取り出して使う	元のモデルは固定し、出力だけを新しい仕事に使う
一部だけ再学習	後ろの層だけを新しいデータで学び直す
全体を微調整	全体を小さな学習率で少しずつ調整する
ドメイン適応	元と先のデータの違いを埋める工夫をする