分布シフトとは、機械学習モデルの訓練データと、運用時に受け取るテストデータの確率分布が変化してしまう現象です。モデルの予測精度低下を招く重大な課題であり、実運用時の頑健性を高めるための対策が不可欠です。
分布シフトとは
一言でいうと分布シフトとは、AIモデルが学習した環境と、実際に使われる環境の間でデータの傾向が変化し、予測精度が落ちてしまう現象のことです。
詳しく解説
機械学習モデルは通常、過去のデータ（訓練データ）のパターンを学習して構築されます。しかし、時間の経過や環境の変化に伴い、入力データの確率分布そのものが変化することがあります。これが分布シフトです。例えば、季節の変わり目、経済状況の変化、あるいはユーザーの好みの変化などが原因で発生します。分布シフトが起きると、AIモデルは未知の状況に対応できなくなり、期待された性能を発揮できなくなるため、機械学習運用において重要な問題となります。
具体例・使われ方
具体的な利用例として、スパムメール検出AIが挙げられます。過去のメールデータで学習したAIは、新しい手口のスパムや新しい表現に対応できず、見逃しが増加します。また、自動運転システムにおいて、晴天時のデータだけで学習したモデルが、雪や大雨といった悪天候の環境下でセンサーデータの分布が変化し、正しく認識できなくなるケースも分布シフトの一種です。
似た用語との違い
オーバーフィッティング（過学習）が訓練データへの過剰適応という学習プロセスの問題であるのに対し、分布シフトは学習データと運用データの環境の変化そのものに起因する問題です。
注意点
分布シフトを完全に防ぐことは困難です。そのため、モデルの予測精度の低下を早期に検知するモニタリング体制や、定期的な再学習、あるいは新しい環境の変化に強い頑健なモデル設計を取り入れるなどの継続的な対策が必要です。
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18日 19:00