⑤ ディープラーニングの応用例 ／ 31. 転移学習・ファインチューニング
破壊的忘却とは
破壊的忘却とは、新しいタスクの学習により、過去の知識が急激に失われる現象です。継続学習（Continual Learning）における主要課題であり、正則化などで抑制が試みられます。
この用語はG検定シラバスの「31. 転移学習・ファインチューニング」に含まれます。 章全体の用語は用語解説⑤（全133語）にまとまっています。
一言でいうと
新しいことを学ぶと、前に覚えたことを急に忘れてしまう現象です。
なぜ起きるのか
ニューラルネットワークの知識は重みの中に分散して保持されています。特定の知識が特定の場所にあるわけではありません。
新しいタスクを学習すると重みが更新され、古い知識を担っていた重みも書き換えられてしまいます。人間のように「別々に覚えておく」ことができないのです。
対策
- 正則化：重要な重みが大きく変わらないよう制約をかける
- 過去データの併用：古いタスクのデータも少し混ぜて学習する
- 構造の分離：タスクごとに使う部分を分ける
運用中のモデルを更新し続ける場面では実務的にも重要な課題です。オンライン学習でも同様の問題が生じます。
人間との違い
人間は新しいことを学んでも以前の知識を急に失いません。この違いは、脳とニューラルネットワークの記憶の仕組みが異なることを示しています。
継続的に学び続けられるAIの実現は今も未解決の課題です。
🎯 G検定での押さえどころ
- 新タスクの学習で過去の知識が失われる
- 継続学習の主要課題
- 対策は正則化・過去データの併用など
⚠️ よくある誤りの選択肢
- 「破壊的忘却は学習データを増やせば必ず解消する」→ 誤り。構造的な課題で工夫が必要です
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「転移学習」（E資格向け）
この用語を覚えたら
チェックは章ページと「試験内容解説」TOPの進捗にも反映されます
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。