Birkaç Adımda Öğrenme
Birkaç adımda öğrenme, yeni bir görevi binlerce örnek yerine yalnızca bir avuç örnekten öğrenme yeteneğidir.
Genel Bakış
It matters because it mirrors how humans generalize and lets modern AI adapt instantly without expensive retraining.
Derin Dalış
Geleneksel makine öğrenimi çok büyük etiketli veri kümelerine ihtiyaç duyar, ancak birkaç adımlı öğrenme, sınıf başına yalnızca birkaç örnek gördükten sonra iyi performans göstermeyi hedefler. Büyük dil modelleri, bağlam içi birkaç adımlı öğrenmeyi popüler hale getirdi: birkaç giriş-çıkış örneğini doğrudan komut istemine yerleştirirsiniz ve model, ağırlıklarını güncellemeden modeli çıkarır ve onu yeni bir girişe uygular. Terim, genellikle N yönlü K-shot (N sınıf, her biri K örnek) olarak yazılan, gösterilen örneklerin sayılmasından gelir. Sıfır atış örnek yok demektir, tek atış bir demektir ve birkaç atış genellikle iki ila birkaç düzine anlamına gelir. Bu işe yarar çünkü model, ön eğitim sırasında zaten geniş kalıpları özümsemiştir; bu nedenle, birkaç örnek esas olarak hangi mevcut becerinin kullanılacağına işaret eder.
Teknik Bilgi
Bağlam içi birkaç adımlı öğrenme, herhangi bir eğim güncellemesi veya ağırlık değişikliği olmaksızın, bilgi istemindeki transformatör okuma örneklerine ve desenleri eşleştirmek için dikkatin kullanılmasına dayanır. Örnekler, modelin yeni girdi için sonraki belirteç tahminlerini koşullandırır. Prototip ve eşleştirme ağları gibi metrik tabanlı yöntemlerden oluşan ayrı bir aile, bunun yerine yeni bir örneği her sınıfın birkaç örneğinin ortalamasıyla karşılaştırdığınız ve en yakın olanı seçeceğiniz bir yerleştirme alanı öğrenir. Her iki yol da önceki öğrenmelerden faydalanarak kıt etiketlerin uzun bir yol kat etmesini sağlar.
Stratejik Etki
Daha net kararlar
Açık teknik iddiaları pazarlama dilinden ayırmanıza yardımcı olur.
Maliyet ve bütçe
Para veya zaman harcamadan önce daha iyi uygulama soruları sorabilirsiniz.
Ekip ve iş akışı
Ortak anlayışa sahip ekipler daha iyi ürün, politika ve öğrenme kararları verir.
Birkaç Adımda Öğrenmenin Geleceği
Az sayıda öğrenme, insanların büyük modelleri kullanmasının varsayılan yolu haline geliyor, bu nedenle sınır onu daha güvenilir hale getiriyor: daha iyi örnek seçimi, sıralaması ve alımı, böylece istemlerin en yararlı gösterileri otomatik olarak seçmesi sağlanır. Daha fazla örneğe uyan, alma ve daha uzun bağlam pencereleriyle daha sıkı entegrasyonun yanı sıra örnek sırasının ve biçimlendirme salınım doğruluğunun neden bu kadar fazla olduğunu araştırın. Modeller geliştikçe, sıfır çekim ile birkaç çekim arasındaki fark kolay görevler için daralırken, birkaç çekim özel formatlar ve uç durumlar için değerli olmaya devam ediyor.
Gerçek Dünya Uygulaması
İstemde her kategorinin yalnızca üç veya dört etiketli örneğini bir model gösterdikten sonra müşteri destek bildirimlerini kategorilere ayırmak.
İki veya üç örnek giriş-çıkış çifti vererek bir chatbot'a belirli bir çıktı formatını (adlandırılmış alanlara sahip JSON gibi) öğretmek.
Bir görüntü sistemindeki prototip ağ kullanılarak, yalnızca birkaç fotoğraflanmış örnekten nadir bir üretim hatasının belirlenmesi.
Talebe birkaç öncesi ve sonrası örneği ekleyerek markanın sesine uyacak şekilde bir çeviri veya özetleme stili uyarlamak.
Riskler ve Korkuluklar
Farklı ekipler aynı terimi farklı şekilde kullanabilir; bu nedenle kapsamı erken tanımlayın.
Gerçek dünya performansı dengesizken karşılaştırmalar güçlü görünebilir.
Veri kalitesini ve değerlendirme planlarını göz ardı etmek çoğu zaman hassas sonuçlar doğurur.
Uygulama Yol Haritası
İhtiyacınız olan sonucun sade bir dille tanımlanmasıyla başlayın.
Test etmeden önce bir başarı ölçüsü ve bir başarısızlık koşulu seçin.
Gösterişli bir demo seti yerine, temsili verilerle küçük bir pilot çalışma yürütün.
Birkaç Adımda Öğrenmenin nerede yardımcı olduğunu ve daha basit yöntemlerin nerede daha iyi olduğunu belgeleyin.
Keşfetmeye Devam Edin
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Few-Shot Learning quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Next guide
Öğrenimi Aktar
Sık sorulan sorular
What is Few-Shot Learning?
Birkaç adımda öğrenme, yeni bir görevi binlerce örnek yerine yalnızca bir avuç örnekten öğrenme yeteneğidir. Bu önemlidir çünkü insanların nasıl genelleme yaptığını yansıtır ve modern yapay zekanın pahalı yeniden eğitimlere gerek kalmadan anında uyum sağlamasına olanak tanır.
'N yönlü K-shot' gösteriminde K neyi ifade eder?
K, her sınıf için verilen örneklerin sayısıdır, N ise sınıfların ('yollar') sayısıdır.
Büyük bir dil modeli, bir bilgi isteminden bağlam içi birkaç adımlı öğrenme gerçekleştirdiğinde, ağırlıklarına ne olur?
Bağlam içi öğrenme herhangi bir degrade güncellemesi gerçekleştirmez; bilgi istemindeki örnekler, modelin bir sonraki belirteç tahminlerine basitçe rehberlik eder.
Sıfır atışlı yönlendirme ile birkaç atışlı yönlendirme arasındaki temel fark nedir?
Sıfır atış yalnızca örnek içermeyen bir talimat verirken, birkaç atış bir avuç gösteriyi içerir.
Önceden eğitilmiş büyük bir modelin yeni bir görevi iyi bir şekilde yerine getirmesi için neden birkaç örnek yeterli olabilir?
Ön eğitimden elde edilen geniş bilgi, birkaç gösterimin çoğunlukla sıfırdan öğretmek yerine mevcut kapasitenin kullanılmasına işaret ettiği anlamına gelir.
Aşağıdakilerden hangisi prototip ağ gibi metrik tabanlı birkaç adımlı yöntemi tanımlar?
Prototip ağlar, sınıf başına bir prototip (ortalama yerleştirme) oluşturur ve yeni noktaları, öğrenilen alandaki en yakın prototipe göre sınıflandırır.