Uitgebreide Uitleg
Few-shot learning is een techniek waarbij een AI-model een nieuwe taak kan leren met maar een paar voorbeelden (typisch 2-10). Dit contrasteert met traditionele machine learning die duizenden of miljoenen voorbeelden nodig heeft. Bij "zero-shot" leren zijn zelfs geen voorbeelden nodig - alleen een beschrijving van de taak.
Large Language Models zijn verrassend goed in few-shot learning. Je kunt GPT bijvoorbeeld leren een nieuwe classificatietaak uit te voeren door gewoon 3-5 voorbeelden in je prompt te geven. Het model generaliseert van deze voorbeelden zonder dat je het hoeft te re-trainen.
Dit is enorm praktisch: het betekent dat je snel nieuwe toepassingen kunt bouwen zonder grote datasets te verzamelen en modellen te trainen. Het is ook een stap richting meer mensachtige intelligentie - mensen kunnen ook leren van weinig voorbeelden.
Praktijkvoorbeeld
Een Nederlandse gemeente wil facturen automatisch categoriseren. In plaats van 10.000 gelabelde voorbeelden te verzamelen, geven ze GPT-4 vijf voorbeelden van elke categorie in de prompt. Het model begrijpt het patroon en kan nieuwe facturen accuraat classificeren.