問題 No.863
ある領域で学習させた既存のモデルを、別の新しい領域のタスクに再利用する転移学習を選択すべき場面や利点として不適切なものはどれか。
【正解の解説】
既存のモデルが学習した環境と、新しく適用したい環境のデータの性質やタスクの目的が完全に正反対で一切の共通点がないとき
転移学習が成功するのは、元のデータと新しいデータの間にある程度の関連性や共通する特徴がある場合です。目的や性質が完全に正反対であれば、知識を流用するメリットはありません。
スポンサーリンク
【その他の選択肢の解説】
新しいタスクのターゲットとなるデータ数が非常に少なく、ゼロから深層ニューラルネットワークを学習させると過学習を起こすとき
データが少ない場合、ゼロから学習するとAIが訓練データだけを丸暗記する過学習が起きがちです。すでに学習済みの知識を活用することで、これを防ぐことができます。
すでに大量のデータで汎用的な特徴を学習済みのモデルを利用することで、学習時間を大幅に短縮し迅速にモデルを構築したいとき
転移学習は、すでに賢いモデルの知識を流用するため、ゼロから全てを学習するよりも短時間で高精度なモデルを作り上げることができます。
画像認識において、一般的な形状やエッジを抽出する初期の層の重みを固定し、特定の物体を識別する出力層付近のみを再学習させるとき
初期の層は基本的な図形（エッジや曲線など）を捉えるため、これらは固定し、応用先のタスクに合わせて最後の部分だけを微調整（ファインチューニング）するのが一般的な手法です。