Memindahkan pembelajaran

Pembelajaran pemindahan (juga dikenali sebagai pemindahan induktif) ialah kaedah pembelajaran mesin yang memfokuskan pada penggunaan semula pengetahuan yang diperoleh untuk tugas yang berbeza tetapi berkaitan. Pembelajaran pemindahan digunakan apabila terdapat jumlah data yang terhad dan matlamatnya adalah untuk belajar daripada domain sumber manakala domain sasaran sudah diketahui. Terdapat dua jenis utama pembelajaran pemindahan, pemindahan induktif dan pemindahan transduktif.

Pemindahan induktif ialah apabila sumber dan sasaran adalah masalah yang berbeza tetapi menggunakan ciri/input yang sama, dan digunakan apabila hanya data sumber terhad tersedia. Pemindahan induktif biasanya digunakan dalam tetapan pembelajaran diselia, di mana matlamatnya adalah untuk menggunakan pengetahuan daripada domain sumber kepada domain sasaran.

Pemindahan transduktif ialah apabila domain sumber dan sasaran mempunyai input yang serupa tetapi tidak sama, dan digunakan apabila beberapa data sumber tersedia tetapi tidak mencukupi untuk set latihan penuh. Dalam kes ini, model sumber dan sasaran belajar daripada pelbagai sumber, seperti pengetahuan pakar atau bahasa semula jadi.

Penyelidikan ke dalam pembelajaran pemindahan bermula pada pertengahan 1990-an dengan kerja melihat cara memindahkan pengetahuan daripada sumber input. Satu lagi pendekatan biasa untuk memindahkan pembelajaran ialah dengan pra-melatih rangkaian saraf pada set data yang besar dan kemudian memperhalusi rangkaian pada set data yang lebih kecil. Matlamatnya adalah untuk meningkatkan generalisasi dan ketepatan tanpa mengumpul sejumlah besar data, atau untuk menggunakan semula model pra-latihan yang besar untuk tugasan baharu.

Pembelajaran pemindahan telah menjadi semakin penting dalam bidang penglihatan komputer, pemprosesan bahasa semula jadi dan aplikasi pembelajaran mesin yang lain disebabkan kehadiran set data yang besar. Semakin ramai, penyelidik melihat cara menggunakan pembelajaran pemindahan kepada masalah yang lebih kompleks seperti robotik dan kecerdasan buatan.

Pemindahan pembelajaran ialah teknik penting untuk mencapai kecerdasan buatan dan merupakan bidang penyelidikan utama dalam bidang tersebut. Dengan peningkatan permintaan untuk set data dan kuasa pengiraan, pembelajaran pemindahan akan terus menjadi bidang penyelidikan yang penting kerana penyelidik berusaha untuk meningkatkan ketepatan dan mengurangkan kos pengumpulan data.