自己教師あり学習 (Self-Supervised Learning)
読み: じこきょうしありがくしゅう
最終更新: 2026-07-20・AI PICKS編集部
定義
自己教師あり学習とは、人手のラベル付けなしにデータ自体が持つ構造から予測タスクを自動生成し、その正解を使ってモデルを訓練する学習手法のこと。
自己教師あり学習 (Self-Supervised Learning)とは — 詳しく解説
自己教師あり学習は、教師あり学習のようにラベル付きデータを用意する代わりに、入力データの一部を隠す・順序を入れ替えるといった加工を施し、元の状態を予測させる形で疑似的な正解ラベルを自動生成して事前学習を行う手法とされる。BERTの穴埋め予測やGPT系の次単語予測、画像分野のコントラスティブ学習(SimCLR等)がその代表例として広く知られ、大規模言語モデルや基盤モデルの事前学習における主流手法として定着している。ラベリングコストを大幅に抑えられる点が最大の利点とされる一方、2026年時点の実運用では、事前学習だけでは特定タスクの精度が不十分で、結局ファインチューニング用のラベル付きデータ整備が必要になるケースが多いと指摘される。ゼロから事前学習を行う場合の計算コストは相場感として数百万円〜数千万円規模になることもあり、自前で学習するより既存の事前学習済みモデルを流用する選択が現場では優先されやすい。選定の際は、タスクの固有性やデータ量、計算コストを踏まえて自己教師あり事前学習から始めるか既存モデル活用かを判断するのが実務的とされる。
自己教師あり学習 (Self-Supervised Learning)の使用例
- 画像分類タスクでラベル無し画像1万枚を用いてSimCLRで事前学習し、少量のラベル付きデータでファインチューニングする
- BERTの事前学習では文中の一部単語をマスクし、周囲の文脈から元の単語を予測させることで言語表現を学習する
自己教師あり学習 (Self-Supervised Learning)に関連するAIツール
関連用語
「インフラ・学習」の他の用語
既存の AI モデルを 自社データで追加学習させて 専門特化させる方法。
データから法則を自動学習させる AI 技術の総称。 ディープラーニングや LLM もここに含まれる。
ニューラルネットワークを多層化した機械学習手法。 LLM / 画像認識 / 音声認識 の基盤技術。
Self-Attention 機構を中核とするニューラルネット構造。 LLM / 画像 / 音声 すべての基盤。
入力系列のどこに注目すべきかを 動的に重み付けする仕組み。 Transformer の中核。
LoRAとは、大規模モデルの重みを凍結したまま低ランク行列ペアを追加挿入することで、全パラメータの1%以下の計算コストで特定ドメインへの適応を実現するファインチューニング手法のこと。
AI用語辞典をすべて見てみませんか
12カテゴリ・763語以上を体系的に整理しています
辞典トップへ