1 views
破滅的忘却とは、ニューラルネットワークなどの機械学習モデルが新しいデータを学習する際、以前に学習した知識を急速に忘れてしまう現象です。人工知能の継続的な学習や適応における大きな課題の一つとして知られています。
破滅的忘却とは
一言でいうと、AIが新しいことを覚えるために、直前までできていた古い記憶をすっかり失ってしまう現象のことです。
詳しく解説
ディープラーニングモデルは、新しいタスクを学習する際にネットワークの重みパラメータを更新します。この更新が、過去のタスクで獲得した最適化された状態を大きく書き換えてしまうため、過去のデータに対する予測精度が急激に低下します。人間であれば新しい知識を学んでも過去の記憶を保持できますが、標準的なニューラルネットワークにはこの能力が不足しており、AIの汎用的な進化における重要な障壁となっています。
具体例・使われ方
例えば、画像認識AIが最初に「犬」と「猫」の識別を完璧に学習した後、追加で「鳥」と「魚」の識別を学習させたところ、犬と猫の識別精度が著しく低下してしまうようなケースがこれに該当します。
似た用語との違い
過学習（オーバーフィッティング）が訓練データに依存しすぎて未知のデータに対応できない問題であるのに対し、破滅的忘却は新しい学習が古い学習を上書きしてしまう順次学習特有の課題です。
注意点
AIを実社会で運用する際、環境の変化や新しいデータの追加によって予期せぬ能力低下を引き起こすリスクがあるため注意が必要です。これを防ぐためには、リプレイ法や正則化手法などの対策を組み合わせる必要があります。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年9月4日 14:11