چند شاٹ لرننگ
چند شاٹ لرننگ ہزاروں کی بجائے صرف مٹھی بھر مثالوں سے ایک نیا کام سیکھنے کی صلاحیت ہے۔
جائزہ
It matters because it mirrors how humans generalize and lets modern AI adapt instantly without expensive retraining.
گہرا غوطہ
روایتی مشین لرننگ کے لیے بڑے لیبل والے ڈیٹاسیٹس کی ضرورت ہوتی ہے، لیکن چند شاٹ لرننگ کا مقصد فی کلاس صرف چند مثالیں دیکھنے کے بعد اچھی کارکردگی کا مظاہرہ کرنا ہے۔ بڑے لینگویج ماڈلز نے سیاق و سباق میں چند شاٹ لرننگ کو مقبول بنایا: آپ ان پٹ آؤٹ پٹ کی چند مثالیں براہ راست پرامپٹ میں ڈالتے ہیں، اور ماڈل پیٹرن کا اندازہ لگاتا ہے اور اسے نئے ان پٹ پر لاگو کرتا ہے، یہ سب اس کے وزن کو اپ ڈیٹ کیے بغیر۔ یہ اصطلاح گنتی کی مثالوں سے آتی ہے، جو اکثر N-way K-shot کے طور پر لکھی جاتی ہے (N کلاسز، K مثالیں ہر ایک)۔ زیرو شاٹ کا مطلب ہے کوئی مثال نہیں، ایک شاٹ کا مطلب ہے ایک، اور چند شاٹ کا مطلب عام طور پر دو سے چند درجن ہوتا ہے۔ یہ کام کرتا ہے کیونکہ ماڈل نے پہلے سے ہی تربیت کے دوران وسیع نمونوں کو جذب کر لیا ہے، لہذا چند مثالیں بنیادی طور پر اشارہ کرتی ہیں کہ کون سی موجودہ مہارت کو استعمال کرنا ہے۔
تکنیکی بصیرت
سیاق و سباق میں چند شاٹ لرننگ پرامپٹ میں ٹرانسفارمر پڑھنے کی مثالوں پر انحصار کرتی ہے اور نمونوں کے میچ پر توجہ مرکوز کرتی ہے، بغیر کسی گریڈینٹ اپ ڈیٹس یا وزن میں تبدیلی کے۔ مثالیں نئے ان پٹ کے لیے ماڈل کی اگلی ٹوکن پیشین گوئیوں کو شرط کرتی ہیں۔ ایک علیحدہ خاندان، میٹرک پر مبنی طریقے جیسے پروٹو ٹائپیکل اور مماثل نیٹ ورک، اس کے بجائے سرایت کرنے کی جگہ سیکھتا ہے جہاں آپ ہر کلاس کی چند مثالوں کی اوسط سے ایک نئے نمونے کا موازنہ کرتے ہیں اور قریب ترین کو چنتے ہیں۔ دونوں راستے پہلے سے سیکھنے کا فائدہ اٹھاتے ہیں تاکہ نایاب لیبلز بہت آگے جائیں۔
اسٹریٹجک اثر
واضح فیصلے
یہ آپ کو مارکیٹنگ کی زبان سے واضح تکنیکی دعووں کو الگ کرنے میں مدد کرتا ہے۔
لاگت اور بجٹ
آپ پیسہ یا وقت خرچ کرنے سے پہلے بہتر نفاذ کے سوالات پوچھ سکتے ہیں۔
Team and workflow
مشترکہ تفہیم کے ساتھ ٹیمیں بہتر پروڈکٹ، پالیسی اور سیکھنے کے فیصلے کرتی ہیں۔
چند شاٹ لرننگ کا مستقبل
چند شاٹ لرننگ پہلے سے طے شدہ طریقہ بنتا جا رہا ہے جس طرح سے لوگ بڑے ماڈلز کو استعمال کرتے ہیں، اس لیے فرنٹیئر اسے زیادہ قابل اعتماد بنا رہا ہے: بہتر مثال کا انتخاب، ترتیب دینا، اور بازیافت کرنا تاکہ سب سے زیادہ کارآمد مظاہروں کو خود بخود چننے کا اشارہ ملتا ہے۔ بازیافت اور طویل سیاق و سباق والی ونڈوز کے ساتھ سخت انضمام کی توقع کریں جو مزید مثالوں کے ساتھ فٹ ہوں، نیز اس بات کی تحقیق کریں کہ مثال کے آرڈر اور فارمیٹنگ سوئنگ کی درستگی اتنی زیادہ کیوں ہے۔ جیسے جیسے ماڈلز میں بہتری آتی ہے، صفر شاٹ اور چند شاٹ کے درمیان فرق آسان کاموں کے لیے سکڑ جاتا ہے، جبکہ چند شاٹ مخصوص فارمیٹس اور ایج کیسز کے لیے قیمتی رہتے ہیں۔
حقیقی دنیا کا نفاذ
پرامپٹ میں ہر زمرے کی صرف تین یا چار لیبل والی مثالیں دکھانے کے بعد کسٹمر سپورٹ ٹکٹوں کو زمروں میں درجہ بندی کرنا۔
دو یا تین مثالیں ان پٹ آؤٹ پٹ جوڑے دے کر چیٹ بوٹ کو ایک مخصوص آؤٹ پٹ فارمیٹ سکھانا (جیسے JSON نام والے فیلڈز کے ساتھ)۔
وژن سسٹم میں پروٹو ٹائپیکل نیٹ ورک کا استعمال کرتے ہوئے صرف چند تصویری نمونوں سے نایاب مینوفیکچرنگ نقص کی نشاندہی کرنا۔
درخواست میں پہلے اور بعد کی چند مثالیں شامل کرکے کسی برانڈ کی آواز سے مطابقت رکھنے کے لیے ترجمہ یا خلاصہ کے انداز کو اپنانا۔
خطرات اور گارڈریلز
مختلف ٹیمیں ایک ہی اصطلاح کو مختلف طریقے سے استعمال کر سکتی ہیں، اس لیے دائرہ کار کی جلد وضاحت کریں۔
بینچ مارکس مضبوط نظر آسکتے ہیں جبکہ حقیقی دنیا کی کارکردگی ناہموار ہے۔
ڈیٹا کے معیار اور تشخیص کے منصوبوں کو نظر انداز کرنا اکثر نازک نتائج پیدا کرتا ہے۔
نفاذ کا روڈ میپ
آپ کو مطلوبہ نتائج کی سادہ زبان کی تعریف کے ساتھ شروع کریں۔
جانچ کرنے سے پہلے ایک کامیابی میٹرک اور ایک ناکامی کی شرط منتخب کریں۔
نمائندہ ڈیٹا کے ساتھ ایک چھوٹا پائلٹ چلائیں، نہ کہ پالش شدہ ڈیمو سیٹ۔
دستاویز جہاں چند شاٹ سیکھنے میں مدد ملتی ہے اور جہاں آسان طریقے بہتر ہیں۔
دریافت کرتے رہیں
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
اگلا گائیڈ
ٹرانسفر لرننگ
اکثر پوچھے گئے سوالات
What is Few-Shot Learning?
چند شاٹ لرننگ ہزاروں کی بجائے صرف مٹھی بھر مثالوں سے ایک نیا کام سیکھنے کی صلاحیت ہے۔ یہ اہمیت رکھتا ہے کیونکہ یہ اس بات کا آئینہ دار ہے کہ انسان کس طرح عام کرتا ہے اور جدید AI کو مہنگی دوبارہ تربیت کے بغیر فوری طور پر اپنانے دیتا ہے۔
نوٹیشن 'N-way K-shot' میں، K سے کیا مراد ہے؟
K ہر کلاس کے لیے دی گئی مثالوں کی تعداد ہے، جبکہ N کلاسز کی تعداد ہے ('طریقے')۔
جب زبان کا ایک بڑا ماڈل ایک پرامپٹ سے سیاق و سباق میں چند شاٹ سیکھتا ہے، تو اس کے وزن کا کیا ہوتا ہے؟
سیاق و سباق میں سیکھنے میں کوئی تدریجی اپ ڈیٹ نہیں ہوتا ہے۔ پرامپٹ میں مثالیں صرف ماڈل کی اگلی ٹوکن پیشین گوئیوں کی رہنمائی کرتی ہیں۔
زیرو شاٹ اور چند شاٹ پرامپٹنگ کے درمیان کلیدی فرق کیا ہے؟
زیرو شاٹ صرف ایک ہدایت دیتا ہے جس میں کوئی مثال نہیں ہے، جبکہ چند شاٹ میں مٹھی بھر مظاہرے شامل ہیں۔
ایک نئے کام کو اچھی طرح سے انجام دینے کے لیے ایک بڑے پہلے سے تربیت یافتہ ماڈل کے لیے چند مثالیں کیوں کافی ہو سکتی ہیں؟
پری ٹریننگ سے وسیع علم کا مطلب ہے کہ کچھ مظاہرے زیادہ تر اس بات کا اشارہ دیتے ہیں کہ شروع سے پڑھانے کی بجائے استعمال کرنے کی موجودہ صلاحیت۔
جو میٹرک پر مبنی چند شاٹ طریقہ کی وضاحت کرتا ہے جیسے ایک پروٹو ٹائپیکل نیٹ ورک؟
پروٹو ٹائپیکل نیٹ ورک فی کلاس ایک پروٹو ٹائپ (اوسط ایمبیڈنگ) بناتے ہیں اور سیکھی ہوئی جگہ میں قریب ترین پروٹو ٹائپ کے لحاظ سے نئے پوائنٹس کی درجہ بندی کرتے ہیں۔