転移学習とは
転移学習（Transfer Learning）とは、あるタスクで学習したAIモデルの知識を、別の関連するタスクの学習に活用する技術です。大量のデータと計算資源を使わずに、高性能なAIモデルを効率的に構築できます。
転移学習の仕組み
例えば、数億枚の画像で学習した画像認識モデルは「エッジの検出・形状認識・テクスチャ認識」などの汎用的な特徴抽出能力を持っています。この事前学習済みモデルに、目的に特化した少量のデータで「ファインチューニング」することで、少ないデータと計算コストで高精度のモデルを作成できます。
転移学習の実用例
製品の傷検査（ImageNetで学習済みモデルを少量の傷画像データでファインチューニング）・医療画像診断・特定業界の文書分類・感情分析カスタマイズなどで広く活用されています。
LLMと転移学習の関係
ChatGPT・Claude・GeminiなどのLLMはすべて転移学習の産物です。インターネット上の大量テキストでの事前学習（Pre-training）＋人間のフィードバックによるファインチューニング（RLHF）という2段階の転移学習で実現されています。
