Zero-shot õppimine

Nulltreening (tuntud ka kui nulltreening või ühe treeningu õppimine) on masinõppe meetod, mis ei kasuta treenimiseks märgistatud andmeid. Seda kasutatakse rakendustes, kus puuduvad koolitusandmed, ja seda saab kasutada mitmesuguste ülesannete puhul, alates visuaalsest äratundmisest ja loomuliku keele töötlemisest kuni tulemuste ennustamiseks.

Nulltõppimise põhiidee on kasutada mudeli olemasolevaid teadmisi (mis tavaliselt põhinevad esitatud näidete kogumil) uute andmete klassifitseerimiseks, ilma et seda oleks vaja täiendavalt treenida. Seejärel on mudel võimeline tuvastama uusi klassid või andmeliigid, mida ta varem ei ole näinud.

Näiteks saab arvutinägemissüsteemi koolitada kasside ja koerte äratundmiseks, kasutades märgistatud fotode kogumit. Kui mudel on õppinud ära kassid ja koerad, saab seda ilma täiendava treeninguta rakendada ka teiste loomade, näiteks hobuste ja kaamelite puhul. See on võimalik tänu sellele, et mudel salvestab äratundmisandmed mitme tunnuse, näiteks kuju, suuruse, karvkatte värvi ja muude loomade puhul püsivate tunnuste funktsioonina.

Nullistamise peamine eelis on see, et see vajab täpsete ennustuste tegemiseks vähem andmeid ja suudab kiiresti õppida tundmatute klasside äratundmist ilma täiendavate andmete vajaduseta. See on eriti väärtuslik valdkondades, kus andmekogumid on piiratud või raskesti kättesaadavad, näiteks meditsiiniline pildistamine või loomuliku keele töötlemine. Siiski saab nulltunnuste õppimist rakendada paljudes erinevates keskkondades.

Seda meetodit on edukalt kasutatud sellistes valdkondades nagu arvutinägemine ja loomuliku keele töötlemine ning seda on laiendatud ka keerulisematele ülesannetele, nagu meditsiiniliste piltide analüüs, näo tuvastamine, tunnetusanalüüs ja 3D-objektide klassifitseerimine.

Nullpunktiõppe potentsiaal on muutnud selle populaarseks vahendiks paljudes tehisintellekti rakendustes. See on tõhus viis piiratud andmekogumite kasutamiseks ja on võimaldanud kasutada tehisintellekti valdkondades, kus andmed võivad olla piiratud või raskesti kättesaadavad.