Few-shot / One-shot Learning
解説：人間のように「少し」で学ぶ
従来のディープラーニングは、犬を認識させるために何千枚もの犬の画像（大量のデータ）が必要でした。
しかし、人間は初めて見る動物でも、「これがキリンだよ」とたった1枚（One-shot）や数枚（Few-shot）の写真を見せられただけで、次から「あ、キリンだ」と認識できます。
このように、「極めて少ないサンプル数」から学習し、未知のデータを識別できるようにする技術を、ショット（提示されるデータの数）に応じて以下のように呼びます。
データの数による分類
- Zero-shot（ゼロショット）：
例題を1つも見せない状態で推論させる。
（例：「この画像を分類して」といきなり渡す） - One-shot（ワンショット）：
正解の例題を1つだけ見せてから推論させる。
（例：「これが犬の画像だよ。じゃあこれは？」） - Few-shot（フューショット）：
正解の例題を2〜10個程度（少量）見せてから推論させる。
（例：「これが犬、これが猫、これが鳥だよ。じゃあこれは？」）
2つの文脈での使われ方
この用語は、大きく分けて2つのシチュエーションで使われます。
- 画像認識などのモデル学習（Meta-Learning）：
「未知のクラスを識別する能力」自体を鍛える学習方法。モデル更新を伴う場合もあれば、距離学習（Metric Learning）を使う場合もあります。 - LLM（ChatGPT等）のプロンプトエンジニアリング：
AIに指示を出す際、プロンプト（命令文）の中に「入力と出力の例」をいくつか含めるテクニックのこと。「文脈内学習（In-context Learning）」とも呼ばれます。
G検定対策
重要キーワード：N-way K-shot
Few-shot学習のタスク設定を表す決まり文句です。
| 用語 | 意味 |
|---|---|
| N-way | 分類する「クラス（種類）の数」。 （5-wayなら、犬・猫・鳥・魚・馬の5種類） |
| K-shot | 各クラスごとに提示される「正解データの数」。 （1-shotなら各1枚ずつ、5-shotなら各5枚ずつ） |
| サポートセット (Support Set) |
学習（参考）のために見せる「例題データ」のこと。 |
| クエリセット (Query Set) |
実際に分類させたい「テストデータ」のこと。 |
出題ポイント
- メタ学習（Meta-Learning）：「学習の仕方を学習する（Learning to Learn）」枠組みとして出題されることが多い。
- 人間のような学習：「大量のデータを必要とする」というディープラーニングの課題を克服するアプローチである。
- シャムネットワーク（Siamese Network）：2つの画像の「似ている度合い（距離）」を測ることで、未知の画像がどのクラスに近いかを判定する手法。One-shot学習でよく使われる。
ひっかけ対策
- × One-shot学習は、一度学習したら二度と忘れない学習のことである
（解説）「1枚のデータで学習できる」という意味であり、記憶の定着率の話ではありません。 - × Zero-shot学習は、何も学習していないAIを使うことである
（解説）「そのタスク専用のデータ」は見ていませんが、事前の「汎用的な学習（事前学習）」は済ませている状態です。知識ゼロではありません。
