Intelligence Artificielle
Qu'est-ce que Apprentissage à Quelques Exemples
Entraînement de modèle avec peu d'exemples
L'Apprentissage à Quelques Exemples (Few-Shot Learning) est une approche d'apprentissage automatique permettant aux modèles d'apprendre à partir de très peu d'exemples (généralement 1 à 10) pour chaque classe.
Approches Principales
- Meta-Learning — apprendre à apprendre
- Metric Learning — apprendre la similarité entre exemples
- Data Augmentation — expansion des données à partir de petits ensembles
- Transfer Learning — utilisation de modèles pré-entraînés
Types par Nombre d'Exemples
- Zero-Shot — sans exemples, description de tâche uniquement
- One-Shot — un exemple par classe
- Few-Shot — plusieurs exemples (2-10) par classe
Applications
- Reconnaissance faciale à partir d'une seule photo
- Classification de maladies rares
- Personnalisation d'assistants IA
- Adaptation rapide de chatbots
Avantages
- Exigences de données réduites
- Adaptation rapide aux nouvelles tâches
- Coûts de labellisation réduits
Le Few-Shot Learning est crucial pour GPT et autres grands modèles de langage (LLMs).