Hvad er Few-Shot Learning?
AI-teknik hvor modeller lærer at udføre nye opgaver med kun få eksempler, uden omfattende træning på store datasæt.
Definition
Few-Shot Learning er en AI-teknik, hvor modeller lærer at udføre nye opgaver med kun få eksempler (typisk 2-10), uden behov for omfattende træning på store datasæt.
Formål
Few-Shot Learning har til formål at gøre AI-modeller mere effektive ved at de kan generalisere og tilpasse sig nye opgaver hurtigt med minimal data.
Funktion
Few-Shot Learning fungerer ved at udnytte modellens eksisterende viden og mønstre til at forstå nye koncepter baseret på få demonstrationer eller eksempler.
Eksempel
Du kan lære en AI at oversætte fra dansk til svensk ved kun at give den 3-5 eksempler: "Hund → Hund", "Kat → Katt", "Hus → Hus", og den vil forstå mønsteret.
Relateret
Few-Shot Learning er relateret til zero-shot learning, one-shot learning og transfer learning teknikker.
Vil du vide mere?
Hvis du vil gå mere i dybden med Few-Shot Learning —eller bringe denne form for træning til dit team— så lad os tale sammen. Jeg hjælper teams med at forstå og anvende disse begreber. Jeg vil meget gerne høre fra dig!
Hvad er One-Shot Learning?
One-Shot Learning er en AI-teknik, hvor modeller lærer at udføre nye opgave...
Hvad er Transfer Learning?
Transfer Learning er en AI-teknik, hvor viden og træning fra en model på én...
Hvad er AI-drevet automatisering?
Automation eller AI-drevet automatisering er brugen af AI-teknologi til at...
Hvad er en Mini Model?
En Mini Model er en mindre, optimeret AI-model designet til specifikke opga...
Hvad er Zero-Shot Learning?
Zero-Shot Learning er en AI-teknik, hvor modeller kan udføre opgaver eller...