LLM
Zero-shotとは？
別名: ゼロショット
例を一つも見せずに、新しいタスクをAIに頼むやり方。
⚡ 30秒でわかる
Zero-shot の主なポイント
- 1 Zero-shot（ゼロショット）とは、お手本の例を一つも見せずに、指示文だけでAIに新しいタスクをやらせるプロンプトのやり方
- 2 例を数個見せる Few-shot、1個だけ見せる One-shot と対になる概念で、私たちが普段AIに投げる質問の多くはこのZero-shot
- 3 例を用意する手間がゼロで手軽に使えるのが利点で、近年の高性能モデルは例なしでも高い精度を出せる
- 4 出力形式を厳密に揃えたい場合や曖昧で難しいタスクでは、例を見せる Few-shot のほうが安定しやすい
- 5 実践では「まずZero-shotで試し、結果が物足りなければFew-shotに切り替える」使い分けが基本
📖 詳しく
Zero-shot とは
Zero-shot（ゼロショット）とは、お手本となる例を一つも見せずに、いきなり本番のタスクをAIに頼むプロンプトのやり方です。たとえば「次の文を英語に翻訳して」とだけ指示し、翻訳の例を添えずに答えさせるのがこれにあたります。なぜ重要かというと、例を用意する手間がいらず、思いついた指示をそのまま投げるだけで使えるからで、私たちが普段ChatGPTに質問する大半は実はこのZero-shotです。例を数個見せる Few-shot や、1個だけ見せる One-shot と対になる考え方で、近年の高性能モデルは事前学習で膨大な知識を持っているため、例なしのZero-shotでも十分な精度が出る場面が増えてきました。ただし、出力の形式を細かく揃えたい、専門的で曖昧なタスクをやらせたい、といった場合は例を見せる Few-shot のほうが安定することもあり、「まずZero-shotで試し、物足りなければFew-shotにする」のが実践的な使い分けです。
❓ FAQ
よくある質問
- Q. Zero-shot（ゼロショット）とは何ですか？
- A. お手本となる例を一つも見せずに、指示文だけでAIに新しいタスクをやらせるプロンプトのやり方です。たとえば「この文章を要約して」とだけ伝え、要約のサンプルを添えずに答えさせるのがZero-shotにあたります。私たちが普段ChatGPTなどに何気なく質問しているのは、ほとんどがこのやり方です。
- Q. Zero-shot と Few-shot の違いは何ですか？
- A. プロンプトに「お手本の例」を入れるかどうかが違いです。例を一つも入れないのがZero-shot、数個入れるのがFew-shot、1個だけ入れるのがOne-shotと呼ばれます。例を見せるFew-shotは出力の形式や答え方を揃えやすい一方、Zero-shotは手間がかからず手軽に使えるのが利点です。
- Q. Zero-shot と ファインチューニングはどう違うの？
- A. どちらもAIを目的のタスクに使う方法ですが、レイヤーが違います。Zero-shotは学習済みのモデルをそのまま使い、指示の出し方を工夫するだけでモデルの中身は変えません。一方ファインチューニングは追加学習でモデル本体を作り変えます。手軽に試したいならまずZero-shot、安定した品質が必要になってからファインチューニングを検討するのが定石です。
- Q. 初心者はZero-shotをどう使えばいい？注意点は？
- A. まずは思いついた指示をそのままAIに投げてみるのがZero-shotで、これが基本のスタートラインになります。指示は具体的に、出力の形式（箇条書き・表など）も明記すると精度が上がります。注意点として、答えの形がバラついたり期待と違ったりする場合は、お手本の例を1〜数個添えるFew-shotに切り替えると安定しやすくなります。
🔗 関連