Zero-shot

学習段階で一度も見ていないクラスに対しても、モデルが未知のデータを分類したり推論したりする技術です。通常、AIモデルは学習データに含まれる正解ラベルを元に学習しますが、Zero-shot学習ではラベル間の意味的な関連性を利用して未知の概念を推測します。

たとえば、「馬」と「縞模様」のデータで学習し、それらの特徴を組み合わせることで、「シマウマ」という未知の対象を認識させることが可能です。属性情報や埋め込みベクトルを用いることで、未知のカテゴリに対する推論を実現しています。

G検定では、限られた学習データで効率的に未知の事象に対応する技術として重要です。特に大規模言語モデルなどにおいても、明示的なファインチューニングを行わずに未知のタスクをこなす能力として注目されています。特定のドメインに限定されない汎用的なAIを目指すアプローチの一つです。