読み方：ワンショットがくしゅう

One-shot学習【ワンショット学習】One-shot learning/One-shotプロンプティング

概要

One-shot学習とは、機械学習モデルに対してただ一つの追加の学習データを与えることで、未知のタスクやクラスに適応させる手法。主に大規模言語モデル（LLM）に用いられる手法で、具体例を示すことで目的の挙動を行わせる。

一般的な機械学習モデルの学習では、大量の学習データを与えて正解（教師あり学習の場合）や、対象の特徴・構造など（教師なし学習の場合）を学ばせる。これにはデータを用意するための膨大なコストと、大量の計算資源、学習時間が必要となる。

One-shot学習は具体例となるデータを与えることで、例にならった課題に対応できるようにする手法である。ゼロから学習を行うのではなく、すでに特定の対象分野についての学習が済んでいる「事前学習済みモデル」を使用し、新たなタスクや分類クラスに適合させる手法である。

例えば、自然言語処理に対応したAI チャットに「dog→犬。apple→？」と入力すると、例示から英単語の和訳タスクであると理解して「りんご」と返答する。このとき、通常の学習プロセスのようにモデル内部のパラメータは改変されず、その挙動のみが一時的に変更される。

なお、具体例の数が複数（通常は数例）の場合を「Few-shot学習」（フューショット学習）、具体例は示さずに自然言語による説明など補助的な情報を与えて適応させる手法を「Zero-shot学習」（ゼロショット学習）という。大規模言語モデルのプロンプトによって実行する手法は「One-shotプロンプティング」とも呼ばれるが、例示によって適応させる手法自体はマシンビジョンなど他のモデルでも利用できる。