転移学習（Transfer Learning）とは、あるタスクで学習済みのモデルが獲得した知識を、別の関連タスクに再利用する機械学習の手法です。近年、AIモデルの大規模化が進むなかで、学習コストやデータ量の課題を解決する技術として注目が高まっています。
しかし、転移学習とはそもそもどのような仕組みなのか、ファインチューニングや蒸留とはどう違うのか、実際にどのような分野で活用されているのか、といった疑問を持つ方も多いのではないでしょうか。
本記事では、転移学習の定義や仕組みから、メリット・デメリット、ファインチューニング・蒸留との違い、種類と手法、活用例、そして実践的な進め方まで、JAPAN AIが網羅的に解説します。
＼ ChatGPTもClaudeもGeminiも使える！ ／
転移学習とは
転移学習（Transfer Learning）とは、あるタスクで学習済みのモデルが獲得した知識を、別の関連タスクに再利用する機械学習の手法です。たとえば、100万枚の画像で「犬」と「猫」を見分けるよう訓練されたモデルがあった場合、そのモデルは画像の輪郭やテクスチャ、色彩パターンといった汎用的な視覚特徴をすでに獲得しています。転移学習では、この知識をそのまま活かし、少量の「鳥」の画像データだけで高精度な鳥の分類モデルを構築できることが特徴です。
人間の学習に置き換えると、ピアノを弾ける人がキーボードやオルガンを短期間で習得できる現象に似た原理です。鍵盤楽器で培った指の動かし方や楽譜の読み方といった基礎知識が、新しい楽器の習得を加速させるのと同じ仕組みといえるでしょう。機械学習の文脈では、ニューラルネットワークの初期層が学習する汎用的な特徴表現（エッジ検出やパターン認識など）が、異なるタスクでもそのまま有効に機能するため、ゼロから学習するよりも圧倒的に効率的なモデル構築が可能です。
転移学習はディープラーニング（深層学習）と特に相性がよく、画像認識や自然言語処理、音声認識など幅広い分野で標準的な開発手法として定着しました。AI開発の現場では、まず転移学習の適用を検討し、それが困難な場合にのみゼロからの学習を選択するという順序が一般的です。
生成AIの基盤技術について詳しく知りたい方は、「生成AIとは？従来のAIとの違いやできることなどわかりやすく解説」の記事もあわせてご覧ください。
転移学習の仕組み
転移学習は、事前学習済みモデルのニューラルネットワーク構造を活用し、新しいタスクに合わせてモデルを適応させることで成り立つ仕組みです。ニューラルネットワークは複数の層で構成されており、各層が異なるレベルの特徴を学習する構造を持っています。初期層（入力に近い層）はエッジや色彩、テクスチャといった汎用的で低レベルな特徴を捉え、中間層はそれらを組み合わせたより複雑なパターンを認識し、最終層（出力に近い層）がタスク固有の判断を担います。
転移学習では、この階層構造のうち初期層から中間層までの「汎用的な特徴を抽出する部分」をそのまま引き継ぎ、最終層のみを新しいタスクに適した構造に置き換えることが基本的な流れです。
具体的には、ImageNetの1,000カテゴリ分類で学習したモデルを自社製品の10カテゴリ分類に転用する場合、1,000クラス分の出力層を10クラス分に差し替え、少量の自社データで出力層のみを学習させれば十分な精度が得られます。初期層〜中間層はすでに画像の本質的な特徴を捉えているため、新たに学習する必要がないからです。
この仕組みにより、大規模データセットで数週間かけて学習したモデルの知識を、数時間〜数日の追加学習で新しいタスクに適応させることが可能です。
転移学習の代表的なアプローチ
転移学習には、大きく分けて「特徴抽出」と「ファインチューニング」の2つの代表的なアプローチが存在します。
- 特徴抽出（Feature Extraction）：学習済みモデルの重みを固定（凍結）し、最終層のみを新しいタスク用に差し替えて学習する手法。モデルの大部分を変更しないため、少量のデータでも安定した性能を発揮しやすい
- ファインチューニング（Fine-tuning）：学習済みモデルの全層または一部の層の重みを更新し、新しいタスクに最適化する手法。特徴抽出よりも高い精度を得られる可能性があるが、十分なデータ量と適切な学習率の設定が求められる
特徴抽出は、ターゲットタスクのデータが少ない場合やソースタスクとの類似度が高い場合に適した手法です。一方で、ファインチューニングは、データ量がある程度確保でき、ソースタスクとターゲットタスクの間に一定の差異がある場合に有効な選択肢といえます。
実務では、まず特徴抽出で基本性能を確認し、精度が不十分であればファインチューニングに移行するという段階的なアプローチが推奨されます。
転移学習のメリット・デメリット
転移学習は、AI開発の効率化と精度向上を両立させる手法として広く活用されていますが、適用にあたっては利点と制約の両面を理解しておくことが重要です。転移学習の主なメリットとデメリットを解説します。
- メリット：学習時間・計算コストの大幅削減、少量データでの高精度モデル構築、モデルの汎用性と応用範囲の広さ
- デメリット：ドメイン不一致による精度低下（負の転移）、過学習のリスク、モデル調整の複雑さ
転移学習のメリット
転移学習の最大のメリットは、学習時間と計算コストを大幅に削減できる点です。ゼロからモデルを構築する場合、大規模なデータセットの収集と数日〜数週間にわたるGPU計算が必要ですが、転移学習を活用すれば、事前学習済みモデルの知識を引き継ぐことで、計算コストを大幅に削減できるケースも珍しくありません。
さらに、少量のデータでも高精度なモデルを構築できるメリットも見逃せません。医療画像診断や製造業の品質検査など、大量のラベル付きデータを確保しにくい分野では、ImageNetやBERTといった大規模データセットで事前学習されたモデルを転用することで、数百〜数千件のデータでも実用的な精度を達成可能です。ゼロからの学習と比較して、少ないデータ量で同等以上の性能を実現する例もあります。
転移学習で構築したモデルは汎用性が高く、類似タスクへの応用が容易な点も大きなメリットです。一度構築した基盤モデルを複数のプロジェクトで再利用できるため、AI開発全体のコスト効率が向上するでしょう。
転移学習のデメリット
転移学習のデメリットとして最も注意すべきは、ソースドメインとターゲットドメインの不一致による精度低下、いわゆる「負の転移（Negative Transfer）」です。たとえば、自然画像で学習したモデルを医療用X線画像の分類に転用した場合、画像の性質が大きく異なるため、転移学習を適用しないほうが高い精度を得られることがあります。負の転移を回避するには、ソースタスクとターゲットタスクの類似度を事前に評価し、適切なモデルを選定することが不可欠です。
また、転移学習では過学習（オーバーフィッティング）のリスクにも注意が必要です。特にターゲットデータが少量の場合、モデルが訓練データに過度に適合し、未知のデータに対する汎化性能が低下する恐れがあります。Early Stopping（早期打ち切り）やDropout（ドロップアウト）、データ拡張といった正則化手法を組み合わせることで、このリスクの軽減が可能です。
さらに、どの層を凍結し、どの層を再学習するかの判断には、モデル構造やタスク特性に関する専門知識が求められます。最適な設定はタスクごとに異なるため、試行錯誤を伴う調整が欠かせません。
転移学習と蒸留・マルチタスク学習の違い
転移学習は、ファインチューニングや蒸留、マルチタスク学習、強化学習といった関連手法と混同されやすい概念です。それぞれの手法は目的やアプローチが異なるため、各手法の定義と転移学習との関係性を正確に理解することが、適切な手法選択の第一歩といえます。各手法の特徴と転移学習との違いを比較表で整理します。
| 手法 | 目的 | モデルの変更範囲 | 転移学習との関係 |
|---|---|---|---|
| 転移学習 | 学習済みの知識を別タスクに再利用 | 特徴抽出では出力層のみ、ファインチューニングでは全層も対象 | — |
| 蒸留 | モデルの軽量化・高速化 | 新しい小型モデルを生成 | 別の手法（目的が異なる） |
| マルチタスク学習 | 複数タスクの同時学習 | 共有層＋タスク固有層 | 別の手法（学習方式が異なる） |
| 強化学習 | 報酬最大化の行動学習 | 方策ネットワーク全体 | 別の学習パラダイム |
蒸留との違い
知識蒸留（Knowledge Distillation）は、大規模なモデル（教師モデル）の知識を小規模なモデル（生徒モデル）に圧縮・転写する手法です。転移学習が「知識の再利用」を目的とするのに対し、蒸留は「モデルの軽量化」を主な目的とする点で性質が異なります。
蒸留のプロセスでは、教師モデルの出力（ソフトラベル）を生徒モデルの学習データとして活用します。教師モデルが出力する確率分布には、正解クラスだけでなく不正解クラスとの類似度情報も含まれており、この「暗黙知」を生徒モデルに伝達することで、パラメータ数を大幅に削減しながらも教師モデルに近い性能の維持が可能です。
たとえば、数十億パラメータのLLM（大規模言語モデル）を数億パラメータの軽量モデルに蒸留し、エッジデバイスやモバイル環境で動作させるといった活用が広がっています。
転移学習と蒸留は併用されることもあり、蒸留で軽量化したモデルをさらに転移学習で別タスクに適用するといった組み合わせも実務では有効な戦略といえます。
マルチタスク学習との違い
マルチタスク学習は、複数のタスクを同時に学習させることで、タスク間の共通知識を活用する手法です。転移学習が「先に学習→後で転用」という逐次的なプロセスであるのに対し、マルチタスク学習は複数のタスクを並行して学習する点が根本的な違いです。
たとえば、自然言語処理において「感情分析」と「文章要約」を同時に学習させると、両タスクに共通する言語理解の能力がモデル内で強化され、個別に学習した場合よりも各タスクの精度が向上するケースが確認されています。
一方で、タスク間の相関が低い場合には互いに干渉し、性能が低下するリスクも伴うため、タスクの組み合わせには慎重な検討が求められます。
強化学習との違い
強化学習は、エージェントが環境との相互作用を通じて報酬を最大化する行動方策を学習する手法であり、転移学習とは学習パラダイム自体が異なる概念です。転移学習が教師あり学習や教師なし学習の枠組みで「知識の再利用」を行うのに対し、強化学習は「試行錯誤による最適行動の発見」を目的とした手法です。
ただし、強化学習と転移学習は排他的な関係ではありません。強化学習で獲得した方策を別の環境に転用する「強化学習における転移学習」も研究が進んでおり、ロボット制御やゲームAIの分野で成果が報告されています。
転移学習の種類と手法
転移学習の代表的な手法として、特徴抽出・ファインチューニング・ドメイン適応の3つが挙げられます。転移学習にはさまざまな種類と手法が存在し、タスクの特性やデータの状況に応じた使い分けが重要です。
- 特徴抽出（Feature Extraction）：学習済みモデルの中間層を固定し、出力部分のみを差し替えて学習する手法
- ファインチューニング（Fine-tuning）：学習済みモデルの全層または一部の重みを更新して、特定タスクに最適化する手法
- ドメイン適応（Domain Adaptation）：ソースドメインとターゲットドメインのデータ分布の違いを吸収する手法
特徴抽出（Feature Extraction）
特徴抽出は、学習済みモデルの中間層までの重みを固定（凍結）し、最終層のみを新しいタスク用に差し替えて学習する手法です。モデルの大部分を変更しないため、計算コストが低く、少量のデータでも安定した性能を発揮しやすいという利点があります。
画像認識の分野では、ImageNetで事前学習されたResNetやVGGの畳み込み層を特徴抽出器として利用し、最終の全結合層のみを自社のタスクに合わせて学習させるアプローチが広く採用されています。初期層が学習するエッジやテクスチャの検出能力は画像の種類を問わず有効であるため、医療画像や衛星画像、製品の外観検査など多様な領域への転用が可能です。
ターゲットデータが数百件程度と少ない場合や、ソースタスクとターゲットタスクの類似度が高い場合に、特徴抽出は特に有効な選択肢といえます。
ファインチューニング（Fine-tuning）
ファインチューニングは、学習済みモデルの全層または一部の層の重みを更新して、特定のタスクに最適化する手法です。特徴抽出と比較して、ターゲットタスクの特性をモデル全体に反映できるため、より高い精度の達成が期待できます。
実務では、モデルの後半層（出力に近い層）から段階的に凍結を解除していく「段階的ファインチューニング」が一般的な手法です。全層を一度に更新すると、事前学習で獲得した汎用的な特徴表現が破壊される「破滅的忘却（Catastrophic Forgetting）」が発生するリスクがあるためです。学習率を通常の10分の1〜100分の1程度に設定し、慎重に重みを更新することで、事前学習の知識を維持しながらタスク固有の最適化を実現できます。
特徴抽出とファインチューニングの使い分けは、ターゲットデータの量とソースタスクとの類似度が判断基準です。データが豊富でタスクの差異が大きい場合はファインチューニング、データが少なくタスクが類似している場合は特徴抽出が適した選択肢といえます。
ファインチューニングの仕組みや活用事例については、「ファインチューニングとは？仕組み・RAGとの違い・活用事例をわかりやすく解説」の記事で詳しく解説しています。
ドメイン適応
ドメイン適応（Domain Adaptation）は、ソースドメインとターゲットドメインのデータ分布の違いを吸収し、転移学習の効果を最大化する手法です。転移学習の応用技術として位置づけられ、特にソースとターゲットのデータ特性が異なる場合に威力を発揮します。
たとえば、晴天時に撮影された道路画像で学習した自動運転モデルを雨天や夜間の環境に適応させる場合、単純な転移学習では照明条件や視認性の違いにより精度が低下する課題があります。ドメイン適応では、ソースドメインとターゲットドメインの特徴分布を近づける学習を行うことで、環境の違いを吸収し、安定した性能の実現が可能です。
代表的な手法として、敵対的学習を用いてドメイン間の差異を最小化するDANN（Domain-Adversarial Neural Network）が知られています。
転移学習の活用例
転移学習は、自然言語処理や画像認識、音声認識をはじめとする幅広い分野で実用化が進んでいます。事前学習済みモデルの知識を再利用することで、各分野のAI開発を大幅に効率化できる点が共通の強みです。転移学習の代表的な活用分野と具体例を紹介します。
- 自然言語処理：BERTやGPTを活用した文章分類、感情分析、機械翻訳など
- 画像認識：ResNetやEfficientNetを活用した物体検出、医療画像診断、品質検査など
- 音声認識：Wav2VecやWhisperを活用した音声アシスタント、議事録作成、多言語対応など
なお、The Business Research Companyの調査によると、転移学習の世界市場規模は2025年の29.6億ドルから2030年には114.1億ドルへと拡大し、年平均成長率31.0%で成長する見通しです。こうした市場の急成長は、転移学習が産業界全体で不可欠な技術として定着しつつある証左といえます。
出典:The Business Research Company「Transfer Learning Global Market Report」
自然言語処理
自然言語処理（NLP）は、転移学習が最も大きな変革をもたらした分野の一つです。2018年にGoogleが発表したBERT（Bidirectional Encoder Representations from Transformers）は、大規模なテキストデータで事前学習を行い、その知識を文章分類や質問応答、固有表現抽出などの下流タスクに転移するアプローチを確立しました。
BERTの登場以前、自然言語処理のモデルはタスクごとにゼロから設計・学習する必要がありました。BERTは、Wikipediaや書籍コーパスなど約33億語のテキストで事前学習を行い、文脈を双方向に理解する能力を獲得した画期的なモデルです。この事前学習済みモデルをファインチューニングすることで、数千件程度のラベル付きデータでも従来手法を大幅に上回る精度を達成できるようになりました。
同様に、OpenAIのGPTシリーズも転移学習の原理に基づく技術です。GPTは大規模テキストで「次の単語を予測する」事前学習を行い、その言語生成能力を対話や要約、翻訳などの多様なタスクに転用する仕組みを採用した技術です。現在のLLM（大規模言語モデル）の発展は、転移学習の概念なくしては実現し得なかったといえます。
自然言語処理の仕組みや活用事例については、「自然言語処理（NLP）とは？仕組み・活用事例・課題をわかりやすく解説」の記事で詳しく解説しています。
画像認識
画像認識は、転移学習が最も早くから実用化された分野です。ImageNet（1,000クラス）で事前学習されたResNetやVGG、EfficientNetといったモデルは、画像の汎用的な特徴表現を高い精度で獲得しており、さまざまな画像認識タスクの出発点として広く活用されてきました。
医療分野では、胸部X線画像からの肺炎検出や皮膚画像からの悪性腫瘍の判別に転移学習が活用されています。医療画像は取得コストが高くラベル付けに専門知識が必要なため、大量のデータを確保しにくいという課題がありますが、ImageNetで学習した汎用的な特徴抽出能力を転用することで、限られたデータでも臨床に耐えうる精度の実現が可能です。
製造業においても、製品の外観検査や欠陥検出への転移学習の導入が進んでいます。ライオン株式会社は、ボディソープの研究データで構築した機械学習モデルの知識を浴室用洗剤の品質予測に転移する独自の「転移学習モデル」を開発しました。その結果、従来の転移なしモデルと比較して予測精度が飛躍的に向上したほか、実験数を最大約85%削減できる見込みを報告しました。。こうした事例は、転移学習が研究開発の効率化に直結する技術であることを裏付けるものです。
画像認識AIの仕組みや活用事例については、「画像認識AIとは？仕組みや活用例などわかりやすく解説」の記事で詳しく解説しています。
出典:ライオン株式会社「独自の『転移学習モデル（AI）』で多分野のデータを横断活用し、高精度な予測で研究開発を加速」
音声認識
転移学習は、音声認識の分野においても多言語対応や少量データでの高精度化に大きく貢献しています。Meta（旧Facebook）が開発したWav2Vecや、OpenAIが開発したWhisperは、大規模な音声データで事前学習を行い、その知識をさまざまな音声認識タスクに転移するアプローチを採用した代表的なモデルです。
Whisperは、68万時間以上の多言語音声データで事前学習されており、英語だけでなく日本語を含む多数の言語をカバーしています。この事前学習済みモデルを特定の業界用語や専門用語に合わせてファインチューニングすることで、医療現場の音声記録や法律文書の書き起こしなど、専門性の高い音声認識タスクへの対応も実現可能です。
ビジネスの現場では、会議の議事録自動作成やコールセンターの通話分析、音声アシスタントの精度向上など、転移学習を活用した音声認識の応用が急速に広がっています。対応言語の追加や方言への適応といった場面では、ゼロからモデルを構築するよりも転移学習を活用するほうが圧倒的に効率的です。
転移学習の進め方
転移学習を実際のプロジェクトに導入する際は、体系的なステップに沿って進めることで、効率的かつ確実に成果を得られます。事前学習モデルの選定から精度調整まで、各ステップで適切な判断を行うことが成功の鍵です。転移学習の実践的な進め方を3つのステップで解説します。
- 事前学習モデルを選定する
- 学習を固定・再学習するか決める
- ファインチューニングで精度を調整する
事前学習モデルを選定する
転移学習の第一歩は、ターゲットタスクに適した事前学習済みモデルを選定することです。モデルの選定は転移学習の成否を左右する最も重要な判断であり、タスクの種類やデータの特性に応じて最適なモデルが異なります。
画像認識タスクであれば、ImageNetで事前学習されたResNet、VGG、EfficientNetが代表的な選択肢です。ResNetは残差接続（Skip Connection）により深い層でも安定した学習が可能で、汎用性の高いモデルとして知られています。EfficientNetはモデルサイズと精度のバランスに優れ、計算リソースが限られる環境に適した選択肢です。
自然言語処理タスクでは、BERTやGPT、RoBERTaなどのTransformerベースのモデルが標準的であり、音声認識タスクではWav2VecやWhisper、HuBERTなどが広く利用されています。
選定にあたっては、ソースタスクとターゲットタスクの類似度、モデルのパラメータ数、ライセンス条件、推論速度の要件を総合的に評価することが重要です。
学習を固定・再学習するか決める
事前学習モデルを選定したら、次にどの層を固定（凍結）し、どの層を再学習するかを決定する段階に進みます。この判断は、ターゲットデータの量とソースタスクとの類似度を基準に行います。
ターゲットデータが少量（数百件程度）で、ソースタスクとの類似度が高い場合は、初期層から中間層までを凍結し、最終層のみを学習させる特徴抽出アプローチが適した選択肢です。データ量がある程度確保でき（数千件以上）、タスク間の差異がある場合は、後半層の凍結を段階的に解除してファインチューニングを実施するのが効果的です。データが豊富で（数万件以上）、タスクの性質が大きく異なる場合は、全層を再学習する選択肢も検討に値します。
凍結する層の数を変えながら精度を比較する実験を行い、最適な設定を見つけることが実務上のベストプラクティスです。
ファインチューニングで精度を調整する
層の固定・再学習の方針が決まったら、ファインチューニングによってモデルの精度を最終調整する工程に入ります。精度向上のためには、学習率の設定、エポック数の調整、過学習防止策の3つが重要なポイントです。
学習率は、事前学習時の10分の1〜100分の1程度に設定するのが一般的な指針です。学習率が大きすぎると事前学習で獲得した知識が破壊され、小さすぎると学習が進まないため、適切な値を見つける必要があります。エポック数は、検証データの損失が増加し始めるタイミングで学習を停止するEarly Stoppingを活用して決定するのが効果的です。
過学習を防ぐためには、Dropout（学習時にランダムにニューロンを無効化する手法）やデータ拡張（画像の回転・反転・色調変更などでデータを擬似的に増やす手法）の組み合わせが有効です。これらの手法を適切に活用することで、限られたデータでも汎化性能の高いモデルの構築が実現できます。
転移学習に関してよくある質問
Q. 転移学習はどのような場面で使うべきですか？
転移学習は、学習データが少ない場合、計算リソースが限られる場合、類似タスクの学習済みモデルが存在する場合に特に有効です。逆に、ソースタスクとターゲットタスクの関連性が低い場合は、負の転移により精度が低下するリスクがあるため、事前にタスク間の類似度を評価することが重要です。
Q. 転移学習に必要なデータ量はどのくらいですか？
タスクの複雑さやソースドメインとの類似度により異なりますが、一般的に数百〜数千件のラベル付きデータで効果を発揮します。ソースタスクとの類似度が高い場合は数百件でも十分な精度を達成でき、ゼロからの学習と比較して10分の1〜100分の1のデータ量で同等以上の精度を実現できるケースが多く報告されています。
Q. 転移学習とRAGの違いは何ですか？
転移学習は学習済みモデルの知識を変更して知識を別タスクに転用する手法であるのに対し、RAG（検索拡張生成）は外部の知識ベースから関連情報を検索してモデルの入力に追加する手法です。転移学習はモデルの内部知識を更新するアプローチ、RAGはモデルの外部から情報を補完するアプローチという点で根本的に異なります。
転移学習を活用してAI開発を効率化しよう
本記事では、転移学習の定義や仕組みから、メリット・デメリット、ファインチューニングや蒸留との違い、種類と手法、活用例、そして実践的な進め方までを網羅的に解説しました。
転移学習は、学習済みモデルの知識を再利用することで、学習時間やコストを大幅に削減し、少量のデータでも高精度なAIモデルを構築できる手法です。自然言語処理や画像認識、音声認識をはじめとする幅広い分野で標準的な開発手法として定着しており、AI開発の効率化に不可欠な技術といえます。
転移学習を自社のAI開発に取り入れる際は、まずターゲットタスクに適した事前学習済みモデルを選定し、データ量やタスクの類似度に応じて特徴抽出とファインチューニングを使い分けることが成功の鍵です。負の転移や過学習といったリスクにも留意しながら、段階的にモデルの精度を高めていくアプローチがおすすめです。
