Trí tuệ nhân tạo
Học với ít mẫu là gì
Huấn luyện model với ít ví dụ
Học với ít mẫu (Few-Shot Learning) là phương pháp machine learning cho phép model học từ rất ít ví dụ (thường từ 1 đến 10) cho mỗi lớp.
Các phương pháp chính
- Meta-Learning — học cách học
- Metric Learning — học sự tương đồng giữa các ví dụ
- Data Augmentation — mở rộng dữ liệu từ tập nhỏ
- Transfer Learning — sử dụng model đã huấn luyện trước
Phân loại theo số lượng ví dụ
- Zero-Shot — không có ví dụ, chỉ mô tả nhiệm vụ
- One-Shot — một ví dụ mỗi lớp
- Few-Shot — vài ví dụ (2-10) mỗi lớp
Ứng dụng
- Nhận dạng khuôn mặt từ một ảnh
- Phân loại bệnh hiếm
- Cá nhân hóa trợ lý AI
- Thích ứng chatbot nhanh chóng
Lợi ích
- Giảm yêu cầu dữ liệu
- Thích ứng nhanh với nhiệm vụ mới
- Giảm chi phí gán nhãn dữ liệu
Few-Shot Learning rất quan trọng đối với GPT và các mô hình ngôn ngữ lớn (LLM) khác.