Hva er transfer learning?

Transfer Learning (Overføringslæring) er en AI-teknikk hvor kunnskap og mønstre lært fra én oppgave eller domene brukes som utgangspunkt for læring på en relatert, men forskjellig oppgave.

Overføringslæring har som mål å redusere treningtid, datakrav og beregningsressurser ved å utnytte tidligere lært kunnskap i stedet for å starte fra bunnen.

Transfer learning fungerer ved å ta en pre-trent modell og fine-tune den på nye data, eller ved å bruke lærte representasjoner som utgangspunkt for nye oppgaver.

Bruke en modell trent på å gjenkjenne vanlige objekter som basis for å identifisere medisinske bilder, eller tilpasse en generell språkmodell til spesifikke juridiske eller tekniske domener.

Overføringslæring er relatert til pre-training, fine-tuning, domain adaptation, og effektiv AI-utvikling.