Толковый словарь по нейросетям и искусственному интеллекту
Обучение с N примерами
Категория термина
N-shot Learning — это подход в машинном обучении, при котором модель обучается решать задачи, используя очень ограниченное количество примеров (N) для каждой категории. Это разновидность обучения с малым количеством данных (few-shot learning), где "N" указывает, сколько примеров даётся на класс или категорию в ходе обучения или при адаптации модели.
Например:
- 1-shot learning — модель видит один пример на класс.
- 5-shot learning — пять примеров на класс.
- 0-shot learning (нулевое обучение) — модель не видит ни одного примера, только описание задачи.
📚 Область применения:
- Компьютерное зрение: распознавание новых объектов по 1–5 изображениям.
- Обработка естественного языка (NLP): генерация текста, классификация, извлечение сущностей, где у модели мало обучающих примеров.
- Медицинские изображения: распознавание редких заболеваний с минимальными данными.
- Робототехника: быстрое обучение новым действиям без переобучения модели.
- Системы рекомендаций: понимание предпочтений новых пользователей без исторических данных.
⚙️ Как это работает:
Обычно N-shot learning реализуется с помощью:
- Металёрнинга (meta-learning): модель учится «учиться» на множестве разных задач, чтобы потом быстро адаптироваться к новой.
- Сиамских сетей (Siamese Networks): сравнение схожести между примерами.
- Matching Networks, Prototypical Networks, Relation Networks — архитектуры, специально созданные для N-shot задач.
- GPT и другие трансформеры: могут применять few-shot и zero-shot без дообучения, просто по структуре промпта.
🧪 Пример:
Задача: распознать новые виды растений, имея по 3 изображения на вид.
- Модель предварительно обучается на большом наборе категорий.
- Затем ей предоставляют по 3 примера новых, незнакомых классов.
- Модель должна правильно классифицировать новые изображения, основываясь на этих 3 образцах.
📌 Отличие от традиционного обучения:
| Характеристика | Традиционное обучение | N-shot learning |
|---|---|---|
| Кол-во примеров | Сотни или тысячи | 1, 5, 10 и т.д. |
| Обучение с нуля | Да | Нет, используется метаобучение |
| Универсальность | Ограниченная | Высокая адаптивность |
🔬 Связанные понятия:
- Few-shot learning – общее название подходов, включающее N-shot.
- Zero-shot learning – модель решает задачу без примеров, опираясь только на описание.
- Meta-learning – обучение модели быстрой адаптации к новым задачам.
✅ Заключение:
N-shot learning позволяет моделям эффективно работать в условиях нехватки данных, что делает его ценным инструментом в практических задачах, особенно когда собрать большой датасет сложно, дорого или невозможно. Эта парадигма лежит в основе многих современных достижений в адаптивных интеллектуальных системах.
