ゼロショット学習・ワンショット学習 One-shot Learning

ゼロショット学習（Zero-shot Learning）

ゼロショット学習とは、AIが学習時に見たことのないタスクやカテゴリを、追加の学習なしで遂行できる能力を指す。大規模言語モデルや画像認識モデルにおいて、事前に多様なデータで学習しておくことで、未知のタスクにも一般化して対応できる。

例：

• 「ペンギンを分類してください」と指示されたとき、学習時に「ペンギン画像」を見ていなくても、言語や概念の知識を使って正しく推定する。
• ChatGPTに「フランス語で詩を書いて」と依頼しても、特定の「フランス語詩データ」を学習していなくても実行できる。

ワンショット学習（One-shot Learning）

ワンショット学習とは、ごく少量の例（通常は1つ）を与えるだけで、新しいタスクやカテゴリを学習し、実行できる能力を指す。人間の学習に近く、限られた情報からパターンを推測できる点が特徴である。

例：

• AIに「新しい商品のロゴ画像」を1枚見せて「このロゴを含む広告を分類せよ」と指示すると、わずか1枚のサンプルから学習してタスクを実行できる。
• ユーザーがアプリに自分の手書きサインを1度だけ入力すると、それを基準に本人確認が可能になる。

提唱者

• ゼロショット学習とワンショット学習は、特定の1人の提唱者によるものではなく、機械学習・自然言語処理・画像認識の研究領域で段階的に発展してきた概念である。
• 特に「ワンショット学習」は、2015年にGoogle DeepMind（現Google DeepMind）の研究者 Oriol Vinyals らが発表した論文「Matching Networks for One Shot Learning」により広く知られるようになった。
• 「ゼロショット学習」は2010年代からNLPやCVの研究で使われ始め、OpenAIやGoogleなどの大規模モデル開発で注目を浴びた。

デザイン上の利用方法

未知のユーザー入力や新しいサービス領域に対して、柔軟に応答できるUI設計を実現できる。ユーザーが想定外の質問をしても対応できる。

• ユーザー負担の軽減
  　ゼロショット・ワンショットを活用すれば、ユーザーが大量のデータを入力する必要がなくなる。これはUX設計において「学習コストの低さ」として価値がある。

• カスタマイズ可能なUI
  　ユーザーが一度操作例を示すだけで、システムがパターンを学び次回以降の操作を自動化する仕組みを設計できる。

• 多言語・異文化対応
  　ゼロショット学習を使えば、未対応の言語や表現にもシステムが柔軟に反応でき、国際的なユーザー体験を向上させられる。

具体事例

たとえば、FAQチャットボットにおいて、登録されていない新しい質問が出たときでも、ゼロショット推論で回答を生成することができる。これにより顧客体験が向上する。以下に他の例も示す。

• 翻訳アプリ（ゼロショット）
  　新しい言語ペア（例：日本語⇄スワヒリ語）を直接学習していなくても、既知の言語知識をもとに翻訳を実現できる。

• カスタマーサポートAI（ワンショット）
  　ユーザー企業ごとに異なるFAQを、わずか1件のサンプルを与えるだけで新しいカテゴリとして分類可能。

• デザイン支援ツール（ワンショット）
  　ユーザーが1つのアイコンデザインをアップロードすると、そのテイストに基づいたバリエーションを自動生成する。

プロダクトやコンテンツデザインでの具体例

• UIテストの自動化
  　ユーザーが1度クリックフローを実演すれば、そのパターンをワンショットで学び、他のテストケースを自動生成する。

• パーソナライズされた学習アプリ
  　学習者が1問解答しただけで、その解答傾向をワンショット学習により推定し、適切な次の問題を提示する。

• 新規サービスのオンボーディング
  　ゼロショットを活用し、説明を最小限にしてもAIが文脈を推測し、ユーザーをスムーズに導く体験を作れる。

AI関連用語

• ディープラーニング → モデルを「最初から学習」する
• RAG→ モデルに「外部知識」をつなげる
• トランスファーラーニング → 既存の知識を「別の分野に転用」する
• プロンプトエンジニアリング → 「入力の工夫」で性能を引き出す
• インコンテキストラーニング → 「その場の例」で一時的に学ぶ
• ナレッジディスティレーション → 大きなモデルを「小さなモデルに縮小」する
• ゼロショット／ワンショット → 「少ない例で推論」する