Kunstig intelligens
Hva er Few-Shot Learning
Trene modell med få eksempler
Few-Shot Learning er en maskinlæringsmetode som gjør det mulig for modeller å lære fra svært få eksempler (vanligvis 1 til 10) for hver klasse.
Hovedtilnærminger
- Meta-Learning — lære å lære
- Metric Learning — lære likhet mellom eksempler
- Data Augmentation — utvide data fra små datasett
- Transfer Learning — bruke forhåndstrente modeller
Typer etter Antall Eksempler
- Zero-Shot — ingen eksempler, kun oppgavebeskrivelse
- One-Shot — ett eksempel per klasse
- Few-Shot — flere eksempler (2-10) per klasse
Anvendelser
- Ansiktsgjenkjenning fra ett enkelt bilde
- Klassifisering av sjeldne sykdommer
- Personalisering av AI-assistenter
- Rask chatbot-tilpasning
Fordeler
- Reduserte datakrav
- Rask tilpasning til nye oppgaver
- Reduserte kostnader for datamerking
Few-Shot Learning er kritisk for GPT og andre store språkmodeller (LLMs).