生成AIパスポート 用語解説
転移学習とは
ある課題で学習済みのモデルを、別の関連する課題の学習に応用する手法。
まず押さえる結論
転移学習は、生成AIパスポートの「第1章 AI（人工知能）」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-06-27。
公式シラバス（PDF）（公式）比較記事でさらに確認する
試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×教師あり学習・教師なし学習・強化学習の取り違え。クラスタリングや次元削減は「教師なし」、分類や回帰は「教師あり」、報酬を手がかりに学ぶのが「強化学習」。
×弱いAI（ANI）と強いAI（AGI）の混同。特定の課題に特化するのが弱いAI、人間のように幅広い課題へ汎用的に対応できるとされるのが強いAI。
×AIブームと中心技術の対応ずれ。第一次＝探索・推論、第二次＝エキスパートシステム、第三次＝ディープラーニングとビッグデータ。
関連する確認問題
第1章 AI（人工知能） / AIに知能をもたらす仕組み
モデルの汎化性能を上げるため、訓練中だけネットワークのユニットをランダムに省く。この方法の説明はどれか。
この事例では「共適応を抑えるため一部ユニットを一時的に除外するか」を確認すると、ドロップアウトとは、モデルが複雑になりすぎないように制約（ペナルティ）を加え、過学習を抑えることを狙う手法の総称であるに絞れる。正解は「ドロップアウトとは、モデルが複雑になりすぎないように制約（ペナルティ）を加え、過学習を抑えることを狙う手法の総称である」（誤り）である。ドロップアウトはニューラルネットワークの学習時に一部のノードを無効化し、過学習を抑える手法であり、設問の説明は正則化の定義をドロップアウトに誤って当てはめている。過学習・転移学習・正則化の説明はいずれも正しい。過学習を抑える手法にはドロップアウトや正則化など複数のアプローチがあり、それぞれ抑制の仕組みが異なる点に注意が必要である。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
正解ラベルのないデータから、データ自体に潜むパターンや構造を見つけ出す機械学習の手法はどれか。
正解は「クラスタリング」である。問題文の決定条件は、入力データに正解ラベルがなく、そのデータ自体からパターンや構造を見つけることである。これは教師なし学習の設定であり、代表的な手法としてクラスタリングや次元削減がある。選択肢では、データをまとまりに分けるクラスタリングが直接対応する。教師あり学習は正解ラベルを使い、強化学習は報酬を手がかりに行動を改善し、転移学習は学習済みの知識を別課題へ活かす。入力に何が与えられるかを最初に確認すれば、4つの学習方式を混同せずに選べる。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
機械学習で、訓練データに過剰に適合してしまい、未知のデータに対する予測精度が下がってしまう現象を何というか。
正解は「過学習（オーバーフィッティング）」である。問題文は学習手法の名称ではなく、訓練データには過剰に適合する一方で、未知データへの予測精度が下がる現象を問うている。この訓練時と利用時の性能差が過学習の特徴である。正則化はその現象を抑えるための手法であり、現象そのものではない。転移学習は学習済みの知識を別の課題へ活かす手法、強化学習は報酬を手がかりに行動を改善する枠組みである。「何が起きたか」と「何をする手法か」を分けると、対策名を誤って選ばずに済む。
同じ章で確認したい用語
到達チェック
- 転移学習を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、転移学習に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）