സീറോ-ഷോട്ട് പഠനം

പരിശീലനത്തിനായി ലേബൽ ചെയ്ത ഡാറ്റ ഉപയോഗിക്കാത്ത ഒരു മെഷീൻ ലേണിംഗ് രീതിയാണ് സീറോ-ഷോട്ട് ലേണിംഗ് (സീറോ-ട്രെയിനിംഗ് ലേണിംഗ് അല്ലെങ്കിൽ വൺ-ഷോട്ട് ലേണിംഗ് എന്നും അറിയപ്പെടുന്നു). പരിശീലന ഡാറ്റ ലഭ്യമല്ലാത്ത ആപ്ലിക്കേഷനുകളിൽ ഇത് ഉപയോഗിക്കുന്നു, കൂടാതെ വിഷ്വൽ റെക്കഗ്നിഷനും നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗും മുതൽ ഫലങ്ങൾ പ്രവചിക്കുന്നത് വരെയുള്ള വിവിധ ജോലികൾക്കായി ഉപയോഗിക്കാൻ കഴിയും.

സീറോ-ഷോട്ട് ലേണിംഗിന്റെ അടിസ്ഥാന ആശയം, ഒരു മോഡലിന്റെ നിലവിലുള്ള അറിവ് (സാധാരണയായി നൽകിയിരിക്കുന്ന ഉദാഹരണങ്ങളുടെ ഒരു കൂട്ടത്തെ അടിസ്ഥാനമാക്കി) പുതിയ ഡാറ്റയെ കൂടുതൽ പരിശീലിപ്പിക്കാതെ തന്നെ തരംതിരിക്കാൻ ഉപയോഗിക്കുക എന്നതാണ്. മോഡലിന് അത് മുമ്പ് കണ്ടിട്ടില്ലാത്ത പുതിയ ക്ലാസുകളോ വിഭാഗങ്ങളോ തിരിച്ചറിയാൻ കഴിയും.

ഉദാഹരണത്തിന്, ലേബൽ ചെയ്ത ഫോട്ടോകളുടെ ഒരു കൂട്ടം ഉപയോഗിച്ച് പൂച്ചകളെയും നായ്ക്കളെയും തിരിച്ചറിയാൻ കമ്പ്യൂട്ടർ വിഷൻ സിസ്റ്റം പരിശീലിപ്പിക്കാം. പൂച്ചകളെയും നായ്ക്കളെയും തിരിച്ചറിയാൻ മോഡൽ പഠിച്ച ശേഷം, അധിക പരിശീലനമില്ലാതെ കുതിരകൾ, ഒട്ടകങ്ങൾ തുടങ്ങിയ മറ്റ് മൃഗങ്ങളിൽ ഇത് പ്രയോഗിക്കാൻ കഴിയും. ആകൃതി, വലിപ്പം, രോമങ്ങളുടെ നിറം, മൃഗങ്ങളിൽ ഉടനീളം സ്ഥിരമായി നിലനിൽക്കുന്ന മറ്റ് സവിശേഷതകൾ എന്നിങ്ങനെയുള്ള നിരവധി സവിശേഷതകളുടെ പ്രവർത്തനമായി മോഡൽ സ്റ്റോർ തിരിച്ചറിയൽ വിവരങ്ങൾ ഉള്ളതിനാൽ ഇത് സാധ്യമാക്കുന്നു.

സീറോ-ഷോട്ട് ലേണിംഗിന്റെ പ്രധാന നേട്ടം, കൃത്യമായ പ്രവചനങ്ങൾ നടത്താൻ കുറച്ച് ഡാറ്റ മാത്രമേ ആവശ്യമുള്ളൂ എന്നതും അധിക ഡാറ്റയുടെ ആവശ്യമില്ലാതെ തന്നെ കാണാത്ത ക്ലാസുകൾ തിരിച്ചറിയാൻ വേഗത്തിൽ പഠിക്കാനും കഴിയും എന്നതാണ്. മെഡിക്കൽ ഇമേജിംഗ് അല്ലെങ്കിൽ നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗ് പോലെയുള്ള ഡാറ്റാ സെറ്റുകൾ പരിമിതമോ വരാൻ പ്രയാസമോ ഉള്ള മേഖലകളിൽ ഇത് പ്രത്യേകിച്ചും വിലപ്പെട്ടതാണ്. എന്നിരുന്നാലും, സീറോ-ഷോട്ട് ലേണിംഗ് ഇപ്പോഴും വിപുലമായ ക്രമീകരണങ്ങളിൽ പ്രയോഗിക്കാൻ കഴിയും.

കമ്പ്യൂട്ടർ വിഷൻ, നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗ് തുടങ്ങിയ മേഖലകളിൽ ഈ രീതി മികച്ച വിജയത്തിനായി ഉപയോഗിച്ചു, കൂടാതെ മെഡിക്കൽ ഇമേജ് വിശകലനം, മുഖം തിരിച്ചറിയൽ, വികാര വിശകലനം, 3D ഒബ്ജക്റ്റ് ക്ലാസിഫിക്കേഷൻ എന്നിങ്ങനെയുള്ള സങ്കീർണ്ണമായ ജോലികളിലേക്കും ഇത് വ്യാപിപ്പിച്ചിരിക്കുന്നു.

സീറോ-ഷോട്ട് ലേണിംഗിന്റെ സാധ്യത പല ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ആപ്ലിക്കേഷനുകളിലും ഇതിനെ ഒരു ജനപ്രിയ ഉപകരണമാക്കി മാറ്റി. പരിമിതമായ ഡാറ്റാ സെറ്റുകൾ ഉപയോഗിക്കുന്നതിനുള്ള ഒരു ഫലപ്രദമായ മാർഗമാണിത്, കൂടാതെ ഡാറ്റ പരിമിതമായതോ വരാൻ പ്രയാസമുള്ളതോ ആയ മേഖലകളിൽ ഉപയോഗിക്കാൻ AI-യെ പ്രാപ്തമാക്കിയിരിക്കുന്നു.