Învățare Zero-Shot (Zero-Shot Learning)

Învățarea zero-shot este capacitatea unui model AI de a rezolva corect o sarcină pentru care nu a fost antrenat explicit cu exemple specifice, bazându-se exclusiv pe cunoștințele generale acumulate în timpul antrenării.

De exemplu, un model de limbaj poate traduce corect un text într-o limbă pentru care nu a primit exemple directe de instruire pentru acea sarcină specifică, doar pentru că a „văzut” suficient conținut relevant în acea limbă în timpul antrenării sale generale.

Această capacitate este posibilă datorită volumului uriaș și diversității datelor folosite la antrenarea modelelor fundamentale moderne, care le permite să generalizeze surprinzător de bine la sarcini noi, neîntâlnite explicit anterior.

Avantajul este flexibilitatea extraordinară — un singur model poate fi folosit pentru mii de sarcini diferite, fără antrenare suplimentară. Limitarea este că performanța pe sarcini zero-shot este, în general, mai slabă decât cea obținută printr-un fine-tuning specific pentru acea sarcină.

Capacitatea de învățare zero-shot este unul dintre motivele pentru care modelele mari de limbaj sunt considerate atât de versatile și de utile într-o gamă atât de largă de aplicații practice.