Zero-shot Learning, büyük dil modellerinin veya diğer yapay zekâ sistemlerinin, daha önce bu görev için özel olarak eğitilmemiş ya da örnek görmemiş olmalarına rağmen yalnızca verilen talimatı kullanarak yeni bir görevi yerine getirebilmesini ifade eden bir yapay zekâ yaklaşımıdır. Büyük dil modellerinde bu yöntem genellikle Zero-shot Prompting olarak uygulanır; kullanıcı görevi tanımlar, ancak modele herhangi bir örnek sunmaz. Model, ön eğitim sırasında edindiği genel bilgi ve dil anlayışını kullanarak uygun yanıtı üretir.
Örneğin modele yalnızca “Aşağıdaki müşteri yorumunu olumlu, olumsuz veya nötr olarak sınıflandır.” talimatı verildiğinde ve hiçbir örnek gösterilmediğinde, model bu görevi doğrudan yerine getirebilir. Benzer şekilde çeviri, metin özetleme, bilgi çıkarımı, kod yazma ve soru-cevap gibi birçok görevde de yalnızca açık bir talimat verilmesi yeterli olabilir.
Zero-shot Learning’in en önemli avantajı, ek eğitim verisine veya örnek hazırlamaya ihtiyaç duymamasıdır. Bu durum, yeni görevlerin hızlı bir şekilde uygulanmasını sağlar. Ancak görev karmaşıklaştıkça veya belirli bir çıktı biçimi gerektiğinde doğruluk azalabilir. Bu tür durumlarda modele birkaç örnek sunulan Few-shot Prompting veya özel veriyle modelin yeniden eğitildiği Fine-tuning yöntemleri daha başarılı sonuçlar verebilir. Bu nedenle Zero-shot Learning, özellikle genel bilgi gerektiren ve açık şekilde tanımlanabilen görevlerde en pratik ve yaygın kullanılan yaklaşımlardan biridir.
Yorumlar (0)