Few-shot Learningとは？
読み方: フューショットラーニング
30秒まとめ
少数の例示だけでAIに新しいタスクを学習させる手法。プロンプトに例を含めて使う。
Few-shot Learningの意味・定義
Few-shot Learning（フューショットラーニング）は、少数（数個〜数十個）の例示だけでAIモデルに新しいタスクを実行させる手法です。LLMにおいては、プロンプトの中に入出力の例をいくつか示すことで、モデルがパターンを理解し、同様のタスクを実行できるようになります。例えば、翻訳、分類、フォーマット変換、文体変更などのタスクで、2〜3個の例をプロンプトに含めるだけで高い精度が得られます。ファインチューニングと異なり、モデルの重みを変更することなく、プロンプトのみで新しいタスクに対応できる点が大きなメリットです。GPT-3の論文で「Few-shot Learning」の有効性が広く認知されました。プロンプトエンジニアリングの重要なテクニックの一つであり、ChatGPT、Claude、Geminiなどの対話型AIで日常的に活用されています。One-shot（1つの例）やZero-shot（例なし）と組み合わせて使い分けることが効果的です。