少数ショット学習（しょうすうしょっとがくしゅう）

概要解説

少数ショット学習は、機械学習のモデル構築において、膨大な訓練データを必要とする従来の手法とは異なり、極めて少数の例示のみを用いて分類や推論を可能にする手法である。プロンプトエンジニアリングの文脈では、モデルがタスクを理解するために少数の具体例をプロンプトに含めるアプローチとして用いられる。また、コンピュータービジョンの分野では、物体分類を補助するために単一の例を用いる「ワンショット学習」などが研究されてきた。これらは、大量のデータを用意することが困難な状況下での学習効率を向上させる技術として重要視されている。2018年には、疑似訓練サンプルを最適化することでニューラルネットワークの学習を行う手法が提案されるなど、効率的な学習アルゴリズムの開発が継続的に行われている。