التعلم بدون طلقة

التعلم الصفري (المعروف أيضًا باسم التعلم الصفري أو التعلم دفعة واحدة) هو أسلوب للتعلم الآلي لا يستخدم أي بيانات مصنفة للتدريب. يتم استخدامه في التطبيقات التي لا تتوفر فيها بيانات تدريب ويمكن استخدامه لمجموعة متنوعة من المهام، بدءًا من التعرف البصري ومعالجة اللغة الطبيعية إلى التنبؤ بالنتائج.

الفكرة الأساسية للتعلم الصفري هي الاستفادة من المعرفة الحالية للنموذج (عادةً ما تعتمد على مجموعة من الأمثلة المقدمة) لتصنيف البيانات الجديدة دون الحاجة إلى تدريبها بشكل أكبر. يصبح النموذج بعد ذلك قادرًا على التعرف على فئات أو فئات جديدة من البيانات التي لم يراها من قبل.

على سبيل المثال، يمكن تدريب نظام الرؤية الحاسوبية على التعرف على القطط والكلاب باستخدام مجموعة من الصور المميزة. وبعد أن يتعلم النموذج التعرف على القطط والكلاب، يمكن بعد ذلك تطبيقه على حيوانات أخرى مثل الخيول والجمال دون تدريب إضافي. أصبح هذا ممكنًا من خلال الحصول على معلومات التعرف على مخزن النموذج كدالة للعديد من الميزات، مثل الشكل والحجم ولون الفراء والميزات الأخرى التي تظل ثابتة عبر الحيوانات.

تتمثل الميزة الرئيسية للتعلم الصفري في أنه يتطلب بيانات أقل لإجراء تنبؤات دقيقة ويمكنه التعلم بسرعة للتعرف على الفصول غير المرئية دون الحاجة إلى بيانات إضافية. ويعد هذا ذا قيمة خاصة في المجالات التي تكون فيها مجموعات البيانات محدودة أو يصعب الحصول عليها، مثل التصوير الطبي أو معالجة اللغة الطبيعية. ومع ذلك، لا يزال من الممكن تطبيق التعلم الصفري في نطاق واسع من الإعدادات.

وقد تم استخدام هذه الطريقة بنجاح كبير في مجالات مثل رؤية الكمبيوتر ومعالجة اللغة الطبيعية، وتم توسيعها لتشمل مهام أكثر تعقيدًا، مثل تحليل الصور الطبية، والتعرف على الوجه، وتحليل المشاعر، وتصنيف الكائنات ثلاثية الأبعاد.

إن إمكانات التعلم الصفري جعلت منه أداة شائعة في العديد من تطبيقات الذكاء الاصطناعي. إنها طريقة فعالة للاستفادة من مجموعات البيانات المحدودة وقد مكنت من استخدام الذكاء الاصطناعي في المجالات التي قد تكون فيها البيانات محدودة أو يصعب الحصول عليها.