Tanım
Zero-Shot Learning, bir yapay zekâ veya makine öğrenimi modelinin belirli bir göreve özel eğitim örneği görmeden, önceden öğrendiği genel bilgiyi kullanarak yeni bir görevi yerine getirmesidir. Türkçede sıfır örnekle öğrenme olarak açıklanabilir.
Bu yaklaşımda modele görev için örnek verilmez. Model, talimatı, bağlamı ve genel öğrenimini kullanarak doğru çıktı üretmeye çalışır. Büyük dil modellerinde zero-shot kullanım oldukça yaygındır.
Örneğin bir kullanıcı modele “Bu metni olumlu, olumsuz veya nötr olarak sınıflandır” dediğinde ve örnek vermediğinde model görevi zero-shot şekilde yapmaya çalışır.
Kökeni
Zero-shot learning kavramı, modellerin yalnızca gördüğü sınıflar veya örneklerle sınırlı kalmadan yeni görevleri genelleyebilmesi ihtiyacından doğmuştur.
Geleneksel makine öğrenimi çoğu zaman görev özelinde etiketli eğitim verisi gerektirir. Ancak her görev için yeterli örnek toplamak pahalı veya pratik olmayabilir.
Foundation model ve LLM sistemlerinin gelişmesiyle zero-shot learning daha görünür hale gelmiştir. Geniş veriyle önceden eğitilmiş modeller, daha önce özel olarak eğitilmedikleri görevlerde de anlamlı performans gösterebilir.
Nerelerde Kullanılır?
Zero-Shot Learning; text classification, sentiment analysis, intent classification, question answering, translation, summarization, image recognition, prompt engineering ve AI assistant uygulamalarında kullanılır.
Bir pazarlama ekibi, müşteri yorumlarını önceden özel etiketli veri hazırlamadan “şikâyet”, “öneri”, “memnuniyet” gibi kategorilere ayırmak için zero-shot sınıflandırmadan yararlanabilir.
AI ürünlerinde zero-shot yaklaşım hızlı prototipleme için değerlidir. Ancak kritik iş süreçlerinde çıktı kalitesi test edilmeli ve gerekirse few-shot prompting veya fine-tuning değerlendirilmelidir.
Örnek Kullanım
Bir LLM’ye örnek vermeden “Bu destek talebini teknik sorun, fatura sorunu veya özellik talebi olarak sınıflandır” denirse zero-shot kullanım yapılmış olur.
Bir AI uzmanı, “Önce zero-shot performansı test edelim; yeterli değilse few-shot örnekler ekleriz” diyebilir.
Karıştırılan Kavramlar
- Zero-Shot Learning ve Few-Shot Learning: Zero-shot örneksiz görev yapar. Few-shot birkaç örnekle görevi yönlendirir.
- Zero-Shot Learning ve Fine-Tuning: Fine-tuning modelin ek veriyle uyarlanmasıdır. Zero-shot ek eğitim gerektirmeden görev yapmayı ifade eder.
- Zero-Shot Learning ve Transfer Learning: Transfer learning önceki öğrenimi yeni göreve aktarır. Zero-shot bu aktarımı örneksiz görev çözümünde kullanabilir.
- Zero-Shot Learning ve Prompt Engineering: Prompt engineering talimat tasarlama sürecidir. Zero-shot prompting bunun örneksiz kullanım biçimidir.
İlgili Terimler
- Few-Shot Learning
- Prompt Engineering
- LLM
- Foundation Model
- Transfer Learning
- Fine-Tuning
- Text Classification
- Intent Classification
- Generative AI
Büyüme Mimarisi Notu
Zero-Shot Learning, büyüme mimarisinde AI denemelerini hızlı başlatmayı sağlar. Etiketli veri hazırlamadan sınıflandırma, özetleme veya analiz yapılabilir.
Ancak zero-shot çıktı her zaman yeterli güvenilirlik sağlamaz. Kritik pazarlama, satış veya müşteri deneyimi süreçlerinde kalite ölçümü, örnek testleri ve insan denetimi kullanılmalıdır.