İçeriğe geç
parazade
Yapay Zeka

Sıfır Örnekli Öğrenme (Zero-shot) Nedir?

İngilizce: Zero-shot Learning

Yayın: · Son güncelleme:

Sıfır Örnekli Öğrenme (Zero-shot) Nedir? Kısaca

Sıfır örnekli öğrenme (zero-shot learning), bir modelin o göreve özel hiç örnek görmeden, yalnızca talimat ya da genel bilgisiyle görevi yerine getirmesidir. Dil modellerinde 'şu metni özetle' gibi örneksiz istekler bunun tipik örneğidir.

Sıfır Örnekli Öğrenme nedir?
İçindekiler
  1. Nasıl çalışır?
  2. Örnek
  3. Ne zaman yeterli, ne zaman değil?

Sıfır örnekli öğrenme, bir modelin daha önce o görev için özel olarak eğitilmeden ve prompt içinde örnek verilmeden işi yapabilmesidir. Modele yalnızca ne istediğini anlatırsın; model ön eğitimde edindiği genel bilgiyi kullanarak görevi çözer.

Nasıl çalışır?

Büyük dil modelleri çok geniş metin verisiyle eğitildiği için özetleme, çeviri, sınıflandırma gibi birçok görevin ne anlama geldiğini zaten "bilir". Bu yüzden "Aşağıdaki yorumun olumlu mu olumsuz mu olduğunu söyle" demek çoğu zaman yeterlidir. Görüntü modellerinde de benzer bir kavram vardır: Metin ve görseli aynı uzayda temsil eden modeller, eğitimde etiketiyle görmediği sınıfları açıklamalardan yola çıkarak tanıyabilir.

Örnek

Varsayımsal bir istek: "Şu müşteri mesajını Fatura, Kredi Kartı ya da Hesap kategorilerinden birine ata: 'Kartımın son ödeme tarihi ne zaman?'" Model, örnek görmeden "Kredi Kartı" cevabını verebilir.

Ne zaman yeterli, ne zaman değil?

Durum Öneri
Görev yaygın ve açık Sıfır örnek genellikle yeterli
Özel bir biçim ya da şirket içi kategori var Birkaç örnek eklemek faydalı
Çok tekrarlı, kritik iş İnce ayar ya da değerlendirme düşünülmeli

Sıfır örnekli yaklaşımın avantajı hızlı ve kısa olmasıdır. Dezavantajı ise modelin senin beklediğin biçimi tahmin etmek zorunda kalmasıdır. Sonuç tutarsızsa talimatı netleştirmek ya da az örnekli öğrenme ile örnek eklemek iyi bir sonraki adımdır. Kritik işlerde çıktıları mutlaka kontrol et; model emin olmadığında da kendinden emin bir dille cevap verebilir.

Sıkça Sorulan Sorular

Zero-shot ile few-shot arasındaki fark nedir?

Zero-shot'ta modele hiç örnek verilmez, yalnızca talimat verilir. Few-shot'ta ise prompt içine birkaç çözülmüş örnek eklenerek beklenen kalıp gösterilir.

Sıfır örnekli öğrenme her görevde işe yarar mı?

Hayır. Yaygın ve açık görevlerde iyi sonuç verir; ama özel biçimler, kuruma özgü kategoriler ya da çok teknik görevlerde örnek eklemek veya ince ayar yapmak gerekebilir.

İlgili terimler

Az Örnekli Öğrenme(Few-shot Learning)Az örnekli öğrenme (few-shot learning), bir modelin bir görevi yalnızca birkaç örnek görerek yapabilmesidir. Dil modellerinde genellikle prompt içine birkaç girdi-çıktı örneği eklenerek uygulanır; modelin yeniden eğitilmesi gerekmez.Transfer Öğrenmesi(Transfer Learning)Transfer öğrenmesi, bir görev için eğitilmiş bir modelin öğrendiği bilgiyi başka ama ilişkili bir göreve aktararak, yeni görevi daha az veri ve işlem gücüyle öğrenmesini sağlayan yöntemdir.Prompt Mühendisliği(Prompt Engineering)Prompt mühendisliği, bir yapay zekâ modelinden doğru, tutarlı ve istenen biçimde çıktı almak için talimatları (promptları) bilinçli biçimde tasarlama, deneme ve iyileştirme sürecidir. Rol, bağlam, örnek ve çıktı biçimi gibi öğeleri kapsar.Temel Model(Foundation Model)Temel model, çok geniş ve çeşitli verilerle ön eğitilen, ardından ince ayar veya promptlarla pek çok farklı göreve uyarlanabilen büyük ölçekli yapay zekâ modelidir.PromptPrompt (istem), bir yapay zekâ modeline ne yapmasını istediğinizi anlatan metindir; bir soru, talimat, örnek ya da bunların birleşimi olabilir. Modelin cevabının kalitesi büyük ölçüde promptun ne kadar açık ve ayrıntılı yazıldığına bağlıdır.Kredi Kartı(Credit Card)Kredi kartı, bankanın belirlediği limit dahilinde alışveriş ve nakit çekim yapmanı sağlayan, harcamaların dönem sonunda toplu ya da taksitli olarak ödendiği bir ödeme ve kısa vadeli borçlanma aracıdır.İnce Ayar(Fine-tuning)İnce ayar (fine-tuning), önceden eğitilmiş bir yapay zekâ modelini daha küçük ve göreve özel bir veri kümesiyle yeniden eğiterek belirli bir işe, üsluba veya alana uyarlama işlemidir.