---
title: "正の転移・負の転移・破壊的忘却の違いとは？【G検定頻出まとめ】"
description: "正の転移・負の転移・破壊的忘却の違いについて、G検定で問われるAI・機械学習分野の観点から、目的、前提、モデル構造、入力と出力、評価観点のどこが異なるかを比較します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/transfer-vs-forgetting/"
section: "gk"
---

## まず結論
- **正の転移・負の転移・破壊的忘却は、すべて「学習の影響の出方」が違うだけの別概念**である。
- G検定では「**性能が上がったのか／下がったのか／上書きされたのか**」で切り分ける。

## 直感的な説明
この3つは、**新しい学習が過去や別タスクにどう影響したか**の違いです。

- 正の転移：  
  👉「前に学んだことが役に立った」
- 負の転移：  
  👉「前に学んだことが邪魔になった」
- 破壊的忘却：  
  👉「新しく学んだら、前のことを忘れた」

名前ではなく、  
**“結果として何が起きたか”**を見るのがポイントです。

## 定義・仕組み
### 正の転移（Positive Transfer）
- あるタスクの学習が、別のタスクの性能向上につながる
- 転移学習で理想的な状態
- 類似タスク間で起こりやすい

### 負の転移（Negative Transfer）
- あるタスクの学習が、別のタスクの性能を下げてしまう
- タスクの性質が異なると起きやすい
- 学習はしているが、方向が合っていない

### 破壊的忘却（Catastrophic Forgetting）
- 新しいタスクを学習した結果、
  **過去タスクの性能が急激に低下する現象**
- 連続学習（逐次学習）で問題になる
- 重みの上書きが主な原因

## いつ使う？（得意・不得意）
### 正の転移が起きやすい場面
- 似たタスクへの転移学習
- 事前学習モデルの活用

### 負の転移が起きやすい場面
- 無関係なタスクへの転移
- 特徴表現が合わない場合

### 破壊的忘却が起きやすい場面
- タスクを順番に追加学習
- 過去データを使えない状況

## 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
- ❌「破壊的忘却＝負の転移」
- ❌「転移が起きない＝破壊的忘却」
- ❌「性能低下はすべて負の転移」

### 正しい判断基準
- **性能が上がる → 正の転移**
- **最初から性能が下がる → 負の転移**
- **後から急に下がる → 破壊的忘却**

問題文に  
「新しいタスクを学習した結果、過去タスクの性能が低下」  
とあれば **破壊的忘却**。

## まとめ（試験直前用）
- 正の転移：役に立つ
- 負の転移：邪魔になる
- 破壊的忘却：上書きされる
- 見るべきは「性能の変化」
- 名前ではなく結果で判断する