少数ショット学習

少数ショット学習（few‑shot learning）は、極めて限られた数のラベル付与済みサンプルだけで新しいタスクを学習できる機械学習の枠組みです。従来の教師あり学習が多数の訓練データを前提とするのに対し、数件から十数件程度の例示でモデルが概念を抽出し、汎化性能を発揮します。主にメタ学習や転移学習の手法を組み合わせて、事前に蓄積した知識を活用する点が特徴です。このアプローチは、データ取得コストやプライバシー制約が厳しい領域で特に有用とされ、少数の例から類似性や構造を推測して予測モデルを構築します。例えば画像認識や自然言語処理において、従来の大量データ学習に比べて学習時間や計算資源の削減が期待できます。また、タスク間の共通表現を学習することで、未見タスクへの迅速な適応が可能となり、実務上の柔軟性が向上します。