破壊的忘却（Catastrophic Forgetting）はを理解するための用語です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk neural_network

G検定トップ ＞ 破壊的忘却（Catastrophic Forgetting）とは？【連続学習の落とし穴｜G検定対策】

まず結論

  • 破壊的忘却（Catastrophic Forgetting）とは、新しいタスクを学習すると、過去に学習した知識を急激に失ってしまう現象である。
  • G検定では「連続学習（逐次学習）で起きる問題」であることが問われる。

直感的な説明

破壊的忘却は、
「新しいことを覚えたら、前に覚えたことを全部忘れてしまうAI」です。

たとえば、

  • タスクAを学習 → うまくできる
  • 次にタスクBを学習 → Bはできる
  • でも Aが急にできなくなる

👉 人間なら「復習」で防げますが、
ニューラルネットワークは 上書き学習 しやすいため、これが起こります。

定義・仕組み

破壊的忘却は、主に ニューラルネットワークの重み更新 が原因です。

  • 新しいタスクを学習すると
  • 既存の重みが大きく更新され
  • 過去タスクに重要だった情報が壊れる

特に問題になるのは：

  • 連続学習（Continual Learning）
  • 逐次タスク学習
  • マルチタスクを順番に学ぶ場合

重要：

  • データのノイズが原因ではない
  • モデルの容量不足だけが原因でもない

いつ使う？（得意・不得意）

問題になる場面

  • ロボットが次々に新しい作業を覚える
  • AIが継続的にタスク追加される
  • 過去データをすべて保存できない状況

問題になりにくい場面

  • 全タスクをまとめて学習（同時学習）
  • マルチタスク学習（最初から複数タスク）

G検定ひっかけポイント

G検定では、次の混同を狙ってきます。

よくある誤解

  • ❌「性能が向上し続ける現象」
  • ❌「ノイズによる性能劣化」
  • ❌「理想的な転移学習の状態」

正しい判断基準

  • 新しい学習が原因で過去を忘れる → 破壊的忘却
  • 性能向上 → 正の転移（Positive Transfer）
  • ノイズが原因 → 別問題

選択肢に
「新しいタスク」「過去の知識が失われる」
があれば 破壊的忘却。

まとめ（試験直前用）

  • 破壊的忘却＝新しい学習で過去を忘れる
  • 連続学習で起きやすい
  • ノイズや性能向上とは無関係
  • マルチタスク同時学習とは対照的
  • 「上書きされる」イメージで覚える

🔗 関連記事

🏠 G検トップに戻る