ゼロショット学習は、コンピューターがラベル付けされた情報に依存せずにオブジェクトを認識および分類できるようにする機械学習技術です。この用語は、微妙な違いはありますが、別の機械学習手法であるワンショット学習と同じ意味でよく使用されます。ワンショット学習とは異なり、ゼロショット学習では、コンピューター モデルのトレーニングにラベル付けされたデータは使用されません。代わりに、カテゴリー間の関係など、学習するオブジェクトや概念に関する追加情報を使用して、コンピューターがラベルなしで目的の概念を学習できるようにします。
ゼロショット学習は、2010 年代半ばに登場した比較的新しい機械学習分野です。近年、多くの研究者が、画像とテキストの両方のオブジェクトを認識する場合に、この技術を使用して優れたパフォーマンスを達成できることを示しました。たとえば、Google の人工知能プラットフォームである TensorFlow には、ラベル付きデータを使用せずに画像内のオブジェクトを識別するように設計されたゼロショット学習モジュールが含まれています。
ゼロショット学習アプローチを採用すると、いくつかの潜在的な利点が得られます。ラベル付きデータを必要としないため、大量のラベル付けが必要なタスクや、ラベル付けが現実的ではないタスクに使用できます。さらに、モデルはカテゴリ間の関係を使用してトレーニングされるため、モデルがより適切に一般化され、異なる概念間のリンクを識別できるようになります。
潜在的な利点にもかかわらず、ゼロショット学習には欠点がないわけではありません。まず、このアプローチでは、コンピューターが、多くの場合階層表現の形で、学習対象の概念についてある程度の知識を持っていることが必要となるため、この手法を幅広い状況に適用することが困難になります。第二に、ゼロショット学習アルゴリズムが現実世界のデータとどのように相互作用するかはまだ不明であり、その結果はまだ十分に確立されていません。これらの欠点にもかかわらず、ゼロショット学習は従来の教師あり機械学習アプローチに代わる実行可能な代替手段となることがますます期待されています。
