Hva er few-shot learning?

Few-Shot Learning (Få-eksempel-læring) er en AI-teknikk som muliggjør at modeller lærer nye oppgaver eller gjenkjenne nye konsepter med bare noen få treningseksempler, typisk 2-10 eksempler.

Few-shot learning har som mål å gjøre AI mer effektiv og fleksibel ved å redusere behovet for store treningsdatasett, spesielt når data er knappe eller kostbare å skaffe.

Few-shot learning fungerer ved å utnytte tidligere kunnskap og mønstre lært fra relaterte oppgaver for å raskt tilpasse seg nye situasjoner med minimal ny trening.

Å vise en språkmodell 3 eksempler på å oversette fra norsk til spansk, og deretter la den oversette nye setninger, eller å lære en bildemodell å gjenkjenne en ny objektkategori med bare 5 bilder.

Few-shot learning er relatert til transfer learning, meta-learning, prompt engineering, one-shot learning og zero-shot learning.