Zero-shot／Few-shot Learningとは丨生成AI 用語集

この記事の監修者

佐々木真
PM Career事業責任者（Xアカウント ＠shin_sasaki19）
株式会社リクルートにて「スタディサプリ」の初期メンバーとして事業開発・プロダクトマネージャー業を担当し全国展開を達成後、SmartHRのグループ会社としてToB向けSaaS「SmartMeeting」を立ち上げ2021年3月に退任。その後PMオンラインスクール「PM School」、プロダクト開発人材の転職サイト「PM Career」の事業を運営中。プロダクト開発の知見・人材の流動性を高め、日本のプロダクト作りをぶち上げるべく尽力中。個人としてもX（Twitter）アカウントのフォロワーは3万人超え、YouTubeやPodcastでもプロダクト開発のコンテンツを発信する日本で最も有名なプロダクト開発者の1人。

今すぐ転職をしたい人も、中長期的にしたい方も、PM Careerに無料会員登録をしておくことでキャリアに役立つ情報を定期的にキャッチアップすることが重要です。まだ登録されてない方はこちらからどうぞ。3分で完了します。
PM Careerに無料会員登録する
転職についての情報はこちらをご覧ください！

• プロダクトマネージャー転職完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】
• プロジェクトマネージャー 転職・完全ガイド｜年収・面接対策・求人探しまで【2025年最新版】

Zero-shot／Few-shot Learningの概要

Zero-shot Learning（ゼロショットラーニング）とFew-shot Learning（フューショットラーニング）は、生成AIモデルの汎用性や柔軟性を支える学習手法です。従来の機械学習では大量の教師データが必要でしたが、これらの手法により、少ないあるいはゼロの事例でも新しいタスクに対応できるようになります。

Zero-shot Learningとは

Zero-shot Learningとは、事前にそのタスクに関する学習を一切行わずに、指示（プロンプト）だけをもとにAIがタスクを遂行する学習方式です。

たとえば、「この文章がポジティブかネガティブか分類してください」とだけ指示する場合、モデルはその指示文（プロンプト）から意図を理解し、学習なしに応答を生成します。

特徴

• 学習済みモデルに新しいタスクを即座に与えられる
• タスクに特化した追加データが不要
• 多くのタスクに汎用的に対応可能

Few-shot Learningとは

Few-shot Learningは、数個の例（数ショット）をプロンプトに含めることで、AIにタスクの意図を伝え、より正確な応答を得る手法です。

たとえば以下のように指示と例をセットで与えることで、AIはそのパターンを学び、以降の入力にも適切に対応します。

特徴

• 数個の例を与えるだけで、精度が大きく向上
• タスクの意図をより明確に伝えられる
• トレーニングではなく「プロンプト設計」で制御する

Zero-shot／Few-shot Learningの活用例

Zero-shotでも一定のパフォーマンスが出せますが、Few-shotにすることで指示の解釈が安定し、出力の一貫性も高まります。

プロンプトデザインとの関係

この2つの手法は、プロンプトエンジニアリングと密接に関係しています。プロンプトの書き方次第で、モデルの応答品質は大きく変わります。少ないデータで高精度な結果を得るためには、的確なプロンプト設計が不可欠です。

関連用語

生成AI 用語集