O que é Few-shot Learning?
É a capacidade da inteligência artificial de aprender uma nova tarefa com poucos exemplos.
Definição
O aprendizado de poucos exemplos ocorre quando a inteligência artificial aprende uma tarefa que nunca viu antes, vendo apenas alguns exemplos. Este método permite que o modelo se adapte rapidamente, sem a necessidade de ser treinado do zero todas as vezes.
Como funciona
O modelo reconhece padrões com base em alguns exemplos dados a ele. Esses exemplos permitem que o modelo concentre o conhecimento geral que já possui na nova tarefa.
Onde é usado
É especialmente utilizado em modelos de linguagem, onde o usuário deseja que o modelo responda em um formato específico.
Costuma ser confundido com
Misturado com ajuste fino; Embora o ajuste fino altere a estrutura do modelo, o método de poucos disparos simplesmente adiciona exemplos ao comando atual.
Perguntas frequentes
Quantos exemplos são suficientes?
Geralmente, 1 a 5 exemplos são suficientes para que o modelo compreenda a tarefa.
É sempre bem sucedido?
Se a tarefa for muito complexa ou o modelo tiver baixa capacidade, os exemplos podem não ser suficientes.
Termos relacionados
Esta explicação foi escrita em linguagem simples para a TreScout e traduzida automaticamente do original em turco · a versão turca é a que vale. Se algo parecer errado ou faltando, escreva para hello@trescout.com. Ler em turco →