転移学習（トランスファーラーニング）

転移学習（Transfer Learning）とは、あるタスクや領域で学習したモデルの知識・パラメータを、別のタスクや領域に活用する機械学習の手法です。

転移学習が重要な理由は、ゼロからモデルを学習するには膨大なデータと計算コストが必要ですが、転移学習を使えば少ないデータと計算資源で高性能モデルを構築できるためです。現代のLLMの普及はこの考え方が根幹にあります。

具体的な応用として、GPT・Claudeなどの大規模言語モデルを企業固有の用語やドメイン知識でfine-tuningする手法が代表的です。画像認識でもImageNetで学習したモデルを医療画像診断に転用するなど、幅広い分野で活用されています。LLMの文脈では、pretrainingで得た汎用的な言語理解能力を特定タスク（分類・要約・対話等）に転移するプロセスがfine-tuningに相当します。