転移学習（Transfer Learning）とは、あるタスクで学習済みのモデルを別のタスクに転用する機械学習技術です。従来のように一からニューラルネットワークを訓練するのではなく、既存の知識を活用することで、少ないデータでも高精度なモデルを効率的に構築できます。
転移学習の代表的な手法がファインチューニングです。GPTやBERTなどの大規模なLLM（大規模言語モデル）を、特定の業務タスクに合わせて追加学習させることで、高性能な専用AIシステムを短期間で開発できます。例えば、汎用的な自然言語処理モデルを契約書分析や顧客対応に特化させる際に活用されています。
ビジネス導入において転移学習は、AI開発コストと時間を大幅に削減する重要な手段となっています。コンピュータビジョン分野では、ImageNetで事前学習したモデルを外観検査AIに転用したり、生成AIでは既存の画像生成モデルを企業ロゴ作成に特化させるなど、様々な業界で実用化が進んでいます。少ない学習データでも実用レベルの精度を実現できるため、データ収集が困難な分野でも効果的なAI活用が可能になります。