zero-shot推論の理解

問題

zero-shot推論について、誤っている記述を1つ選べ。

ゼロショット（Zero-shot）推論とは、AIモデルが「事前に学習したことのない（訓練データに含まれていなかった）新しいタスクや未知のカテゴリ」に対しても、追加の学習データを一切与えることなく、推論・分類を実行できる驚異的な能力のことです。

例えば、CLIPや大規模言語モデル（LLM）などは、膨大なデータで「汎用的な知識や法則」を事前学習しているため、「シマウマ」の画像で学習していなくても、「馬に似ていて白黒の縞模様がある」というテキストの知識を応用して、初めて見たシマウマの画像を「シマウマ」と正しく分類できます。

1. zero-shotは、学習していないクラスやタスクにも事前学習の知識を応用して推論する能力である。

正しい：膨大な事前学習で獲得した汎用的な概念や表現（知識）を応用することで、未知のクラスやタスクを予測する能力です。

2. zero-shotは、追加の学習なしで新しいタスクに対応できることを指す。

正しい：ファインチューニングなどの「追加の学習（重みの更新）」を一切行わずに、そのまま推論を実行できるのが最大のメリットです。

3. zero-shotは、必ず大量のラベル付きデータを追加学習に使う必要がある。

誤り：大量のラベル付きデータを必要とするのは従来の「教師あり学習」です。追加学習（ファインチューニング）を行わないのが「ゼロ」ショットの定義です。

4. zero-shotは、未知の言語や未知の画像カテゴリにも対応できる場合がある。

正しい：例えば、多言語で学習したLLMが学習したことのない言語の翻訳をこなしたり、CLIPが未知のオブジェクト画像を分類したりするなど、高度な汎化性能を示します。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ