未学習とは、AIモデルやニューラルネットワークがデータによるトレーニングを一度も受けておらず、重みやパラメータが初期化されたままの状態を指します。学習データの特徴や規則性を獲得していないため、適切な予測や生成を行うことはできません。機械学習の出発点であり、事前学習を行う前提となる状態です。
未学習とは
未学習とは、AIモデルがトレーニングデータを用いた学習を一切行っておらず、正確な予測やデータ処理を行うためのパラメータ（重みやバイアス）がランダムな初期値のままになっている状態のことです。
詳しく解説
機械学習やディープラーニングにおいて、モデルは事前に定義されたアルゴリズムに従って入力データを処理しますが、未学習の状態では正解に導くための調整がされていません。モデル内部のパラメータは確率的に初期化されており、入力に対して不規則な値を出力します。モデルが実用的な知識を得るには、大量のデータを与えて損失関数を最小化するように重みを更新する学習プロセスが必要です。未学習状態の確認は、学習アルゴリズムが正常に機能しているか、事前学習モデルが正しくロードされているかを検証する基準として重要になります。
具体例・使われ方
例えば、画像認識モデルを作成する際、未学習のモデルに犬の画像を入力すると、猫や車といった無関係なラベルをランダムに出力します。また、自然言語処理の分野で未学習の言語モデルに文章を入力した場合、意味をなさないランダムな文字列が生成されます。開発現場では、未学習モデルの性能をベースラインとして測定し、その後の学習でどれだけ精度向上したかを評価します。
似た用語との違い
未学習と混同しやすい概念に過学習があります。過学習は訓練データに過剰に適合して汎用性を失った状態であり、学習自体は完了しています。一方、学習不足（アンダーフィッティング）は学習プロセスを実行したものの十分な精度に達していない状態を指し、完全にデータを通していない未学習とは異なります。また、事前学習を終えたモデルは未学習ではありません。
注意点
未学習のモデルは一切の予測精度を持たないため、そのまま実務に投入することはできません。また、ゼロショット学習などの技術においてモデルが特定のタスクを事前に学習していない状態を指す場合もありますが、これはモデル全体が未学習であることを意味するわけではないため文脈の解釈に注意が必要です。