「0-shotや1-shotと、どう違う?」
「実際に、どう書けばいい?」
例を0個、1個、2〜5個。プロンプトに見せる例の数を変えるだけで、AIの答え方は驚くほど安定します。その真ん中が、この手法です。
Few-shot Learningとは、プロンプト内に2〜5個の例を見せて、AIに望む形式や答え方を学ばせる手法です。追加学習ではなく、プロンプトの書き方の工夫の一つです。
この記事では、なぜ例を見せるだけで精度が上がるのかを押さえ、0-shot・1-shot・few-shotの違いを対応表で並べ、業務で使うコツを整理します。最後に生成AIパスポートでの押さえどころまで示します。プロンプト活用の土台になります。
1. Few-shot Learningとは何か
「Few-shot」は少数の例、「Learning」は学習。合わせて、プロンプト内に少数の例を見せてAIに応答パターンを学ばせる手法を指します。この仕組みは、より広くは「In-context learning（文脈内学習）」とも呼ばれます。
あなたが望む答え方を例で示せば、AIはその形式を再現します。専門的なスキルというより、指示に「見本」を添えるという発想の切り替えです。うまく書けない指示文を言葉で磨くより、望む答えを2〜3個並べたほうが早い場面は、実務でも数多くあります。文章生成の土台となる大規模言語モデルは LLMとは で押さえられます。
2. なぜ例示だけで精度が上がるのか
核心は、AIはすでに広い知識を持っていて、例示はその知識を引き出す方向を絞るという点にあります。大規模言語モデルは、大量のテキストで事前学習を済ませています。そこへ「こういう形式で答えてほしい」という例を2〜3個見せると、応答のパターンを推測しやすくなります。
あなたが例を見せる行為は、白紙のAIに一から教え込むのとは違います。すでにある膨大な引き出しの中から、どれを開ければいいかを指し示しているのです。だから、まったく知らない話題には効きにくく、AIが下地を持つ形式の整えには強く効きます。この「下地＋方向づけ」という仕組みを押さえると、うまくいく場面といかない場面の見分けがつきます。追加学習で覚えさせる ファインチューニングとは との違いも、この一点にあります。
3. 0-shot・1-shot・few-shotの違い
ここが実務でいちばん効く整理です。例示の数で3つに分かれます。対応表で並べます。
| 種類 | 例の数 | 向く場面 |
|---|---|---|
| 0-shot | 例なし・指示だけ | 翻訳など、AIが広く慣れたタスク |
| 1-shot | 例1個 | 形式やトーンを1つだけ示したい |
| Few-shot | 例2〜5個 | 形式を安定して学ばせたい |
まず0-shotを試し、精度が足りなければ例を足していくのが基本の流れです。1-shotは方向性が定まりやすくなりますが、例が1個だとAIが「特殊な1例」と受け取ることもあります。few-shotで2〜5個そろえると、形式やトーンが安定します。例が多すぎるとプロンプトが長くなり、コストや読みにくさにつながるので、あなたはまず2〜3例から試すのが扱いやすい目安です。シンプルな質問は0-shot、出力形式を揃えたいときはfew-shot、と使い分けます。
段階で捉えると、判断がぶれません。指示だけで十分なら0-shotで手を止め、形式を1つ見せたいなら1-shot、形式を安定させたいならfew-shotへ増やす。例を足すほど良くなるわけではなく、目的に足りる最小の例数で止めるのがコツです。あなたが無駄に例を盛ると、プロンプトが重くなるだけで、精度はかえって頭打ちになります。少ない例で目的が達せるなら、それがいちばん効率のよい書き方です。
4. 業務で使うときのコツ
業務で使うなら、良い例示の条件は形式・トーン・長さをそろえることです。ここがぶれると、AIはどのパターンを真似ればいいか迷います。押さえるポイントを挙げます。
- よく使う出力形式は、あらかじめ3例ストックしておく
- 例同士の長さやトーンは、できるだけ近づける
- 極端に短い例・極端に長い例など、偏った例は避ける
あなたが日常で書いた文章を、そのまま2〜3個並べるだけでも十分に効きます。最初から完璧な例をそろえる必要はありません。例を貼って、結果を見て、また少し直す。この繰り返しで、業務向けのテンプレが自然に育ちます。よく使う形式ほど、一度ストックしておくと後がぐっと楽になります。例示はプロンプトエンジニアリングの中核テクニックの一つで、全体像は プロンプトエンジニアリングとは で押さえられます。
5. 生成AIパスポートでの押さえどころ
生成AIパスポートでは、Few-shot Learningは技術分野の中核テーマとして問われます。あなたが押さえる骨格を、最後にまとめます。
次のステップ
Few-shot Learningが試験全体でどう問われるかを俯瞰したいなら、生成AIパスポートの試験範囲と勉強法ガイド で出題範囲を俯瞰しておくと、技術分野の学習が進めやすくなります。
知識を得点に変えるなら、プロンプト・RAG・活用分野の問題集 で、例示の手法を問う設問に取り組んでみてください。