Hva er few-shot learning?
AI-teknikk som lar modeller lære nye oppgaver med bare noen få treningseksempler.
Definisjon
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.
Formål
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.
Funksjon
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.
Eksempel
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.
Relatert
Few-shot learning er relatert til transfer learning, meta-learning, prompt engineering, one-shot learning og zero-shot learning.
Vil du lære mer?
Hvis du er nysgjerrig på å lære mer om Few-Shot Learning - Få-eksempel-læring, ta kontakt med meg på X. Jeg elsker å dele ideer, svare på spørsmål og diskutere nysgjerrigheter om disse temaene, så ikke nøl med å stikke innom. Vi sees!
Hva er en Arkitekt?
Begrepet 'computer architecture' ble først brukt av IBM rundt 1959 og refer...
Hva betyr LeSS?
Large Scale Scrum (LeSS) er et rammeverk for å skalere Scrum til flere team...
Hva er Sprint Retrospective?
Sprint Retrospective, eller Retro, er et møte på slutten av hver sprint i S...