問題 No.3136
ディープラーニングにおいて、大規模なデータセットを用いて予め学習を行い、そのネットワークの重みパラメータを初期値として保持させることで、特定のタスクに対する効率的な学習を可能にする手法を何というか。
【正解の解説】
事前学習モデル
人間で例えるなら「全くの素人が一から勉強を始めるのではなく、厳しい受験勉強を経て基礎知識を完璧に身につけた状態で専門的な学部に入学するようなもの」です。ゼロから学習を始めると膨大な時間とデータが必要になりますが、事前学習モデルを使えば最初から賢い状態の脳ミソ（ネットワーク）からスタートできるため、短期間で精度の高い学習が可能になります。
スポンサーリンク
【その他の選択肢の解説】
転移学習モデル
事前学習モデルが「用意されたベースの道具（モデルそのもの）」を指すのに対し、転移学習モデルは「その道具を使って別の新しい問題を解決するアプローチや枠組み」を指します。初学者はモデルのパーツ名なのか、学習のやり方の手法名なのかを混同しやすいため注意が必要です。
ファインチューニング
モデルそのものを指す「事前学習モデル」に対し、ファインチューニングは「モデルをさらに自分の好みに合わせてチューニングする作業」を指します。例えるなら、事前学習モデルが「既製品の高性能なスポーツカー」であり、ファインチューニングは「サーキット仕様にタイヤやエンジンを微調整する作業」にあたります。言葉の対象がモノかコトかの違いがあります。
アンサンブルモデル
単一のモデルではなく、複数の賢いAIたちに多数決をとらせたり意見を統合させたりしてより良い答えを導き出すアプローチです。これは「1人の天才に頼るのではなく、様々な分野の専門家を集めて会議を開き、その合意形成によって判断を下す」という仕組みであり、単一のモデルの重みパラメータを流用する事前学習モデルとは全く異なる概念です。