One-shotとは
One-shotとは、たった1つの学習データのみから未知のタスクに適応する学習形態です。特徴表現の汎化能力が重要で、顔認証などの分野で活用されます。
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
たった1つの例だけを見て、新しい対象を判別できるようにする学習形態です。
顔認証がOne-shotそのものになる理由
社員証の顔登録を思い浮かべてください。新しく登録する人の写真は普通1枚だけです。その1枚だけを手がかりに、以後その人を判別できなければなりません。「1つの例から新しい対象を判別する」というOne-shotの定義そのものにあたります。
ここで学習をやり直す方式は使えません。人が増えるたびに数千枚を集めて再学習するのは非現実的だからです。
そこで登録より前に「2つの顔が同一人物かを判定できる特徴空間」を作っておき、登録時はその空間に1枚を置くだけにします。Triplet Lossなどによる距離学習がこれにあたります。
分類ではなく比較
通常の分類は「クラスAかBか」を判定します。この方式では新しいクラスが増えるたびに学習し直しが必要です。
One-shotでは「この2つは同じか違うか」を判定します。比較の能力さえあれば、未知の対象でも1枚あれば照合できます。この発想の転換が鍵になります。
シャム（Siamese）ネットワーク
2つの入力を同じネットワークに通して距離を比べる構造がよく使われます。双子のように同じ重みを共有するためシャムネットワークと呼ばれます。
Contrastive Lossと組み合わせて学習するのが典型的な構成です。
🎯 G検定での押さえどころ
- 1つのデータから適応する
- 特徴表現の汎化能力が重要
- 顔認証などで活用される
⚠️ よくある誤りの選択肢
- 「One-shotでは新しいクラスが増えるたびに全体を再学習する」→ 誤り。再学習なしで対応します
📘 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「距離学習（Metric Learning）」（E資格向け）
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。