質問
AIには学習と推論のほかに、どのようなものがありますか？ |
解答
面白い視点です。 AIを「やっている処理の種類」で見ると、**学習（training）と推論（inference）**が基本的な二本柱ですが、それ以外にもいくつか重要な概念やプロセスがあります。 整理してみますね。 1. 学習（Training） * データを使ってモデルのパラメータ（重み）を更新する段階。 2. 推論（Inference） * 学習済みモデルを使って入力から出力を得る段階。 3. 学習・推論以外にある主なプロセス (A) 事前学習（Pre-training） * 巨大なデータセットで汎用的な表現を学習する段階。 * LLM（GPTなど）はここで基礎的な知識を大量に獲得します。 (B) ファインチューニング（Fine-tuning） * 事前学習モデルを特定のタスクや用途に合わせて再調整する。 * 例：法律文書専用AI、医療用AI (C) 転移学習（Transfer learning） * あるタスクで得た知識を、別の関連タスクに活かす。 * 少ないデータでも精度を上げられる。 (D) 蒸留（Knowledge Distillation） * 大きなモデル（教師モデル）の知識を小さなモデル（生徒モデル）に移す。 * 軽量化や高速化のために使う。 (E) 強化学習（Reinforcement Learning, RL） * 環境との相互作用から「報酬」を最大化するように学ぶ。 * LLMでは「人間のフィードバックによる強化学習（RLHF）」が有名。 (F) 自己監督学習（Self-supervised learning） * ラベルなしデータから自動的に学習する手法。 * 例：文中の欠けた単語を予測するBERTの学習。 (G) 評価・検証（Evaluation / Validation） * 学習済みモデルを未知データでテストして性能を測る。 * 学習と推論の中間的な役割。 (H) 前処理・後処理（Preprocessing / Postprocessing） * 前処理：データの正規化、特徴抽出など（学習前に行う） * 後処理：出力を整形、閾値処理、ルール追加など（推論後に行う） (I) 継続学習（Continual / Online Learning） * 運用中にも新しいデータを取り込み続け、知識を更新していく。 まとめ AIの主要な処理の流れは * 学習 → 推論 ですが、その間や周辺に： * 事前学習 / ファインチューニング / 転移学習 / 蒸留 / 強化学習 / 評価 / 前後処理 / 継続学習 といった多様な段階や手法があります。 |
 |
 |
この記事へのコメント