Zero-shot learning (การเรียนรู้แบบศูนย์คะแนน), One-shot learning (การเรียนรู้แบบหนึ่งครั้ง), และ Few-shot learning (การเรียนรู้แบบไม่กี่ครั้ง) เป็นเทคนิคที่นำมาใช้ในการเรียนรู้ของเครื่องจักรที่มุ่งเน้นให้เครื่องจักรสามารถเรียนรู้และต่อเรียนจากข้อมูลที่มีน้อยหรือไม่มีข้อมูลเลยในช่วงเรียนรู้เริ่มต้น ต่อไปนี้คือการอธิบายและตัวอย่างเพื่อให้เข้าใจอย่างชัดเจน:
- Zero-shot learning (การเรียนรู้แบบศูนย์คะแนน):
Zero-shot learning คือกระบวนการเรียนรู้ที่เครื่องจักรสามารถทำนายและเรียนรู้เกี่ยวกับวัตถุหรือความหมายที่ไม่เคยเห็นมาก่อน โดยใช้ความรู้หรือโมเดลที่ได้รับการฝึกฝนมาจากกลุ่มข้อมูลอื่น ๆ ที่มีในขั้นตอนการเรียนรู้เริ่มต้น ตัวอย่างเช่น หากเครื่องจักรถูกฝึกสอนด้วยข้อมูลของสุนัขและแมวเท่านั้น แต่เมื่อถูกทดสอบกับสัตว์ที่ไม่เคยเห็นเช่น ช้าง ม้า หรือนก ก็ยังสามารถทำนายและระบุสิ่งนั้นเป็นสัตว์ตามชนิดได้ - One-shot learning (การเรียนรู้แบบหนึ่งครั้ง):
One-shot learning คือกระบวนการเรียนรู้ที่เครื่องจักรสามารถเรียนรู้และทำนายวัตถุหรือกลุ่มข้อมูลจากข้อมูลที่มีเพียงหนึ่งตัวอย่างเท่านั้น นั่นหมายความว่าการฝึกสอนครั้งเดียวเพียงพอให้เครื่องจักรสามารถรู้จักและทำนายวัตถุตัวนั้นในอนาคต ตัวอย่างเช่น เราสามารถฝึกเครื่องจักรให้รู้จักและแยกแยะใบหน้าของคนต่างๆ ที่ไม่เคยเห็นมาก่อน และหลังจากนั้นเครื่องจักรก็สามารถรู้จักและตรวจจับใบหน้าของคนที่ไม่เคยเห็นมาก่อนได้ - Few-shot learning (การเรียนรู้แบบไม่กี่ครั้ง):
Few-shot learning คือกระบวนการเรียนรู้ที่เครื่องจักรสามารถเรียนรู้และทำนายวัตถุหรือกลุ่มข้อมูลจากข้อมูลที่มีน้อยมากในช่วงการฝึกสอน แต่มีมากพอให้เครื่องจักรเรียนรู้ได้ในระยะเวลาสั้น ๆ ตัวอย่างเช่น เราอาจฝึกเครื่องจักรให้เรียนรู้การจำแนกภาพของแมวตามสีของขนแมว จากนั้นเครื่องจักรก็สามารถรู้จักและจำแนกสีของแมวจากภาพน้อยที่เหลือมาได้
ในทั้งสามกระบวนการนี้ เครื่องจักรจำเป็นต้องมีความสามารถในการย่อยอัลกอริทึม (Subspace) หรือการควบคุมความสัมพันธ์ (Relationship) ระหว่างข้อมูลในกลุ่มข้อมูลที่มีในช่วงเรียนรู้เริ่มต้น และความสามารถในการนำความรู้นั้นไปใช้ในการทำนายกับข้อมูลในกลุ่มข้อมูลที่ไม่เคยเห็นมาก่อน
ยกตัวอย่างเช่น ใน Zero-shot learning หากเราต้องการสอนเครื่องจักรให้รู้จักและสามารถแยกแยะภาพของสัตว์ต่าง ๆ ได้ โดยให้มีกลุ่มข้อมูลของสุนัขและแมวในช่วงเรียนรู้เริ่มต้น ความสามารถในการย่อยอัลกอริทึมหรือการควบคุมความสัมพันธ์จะช่วยในการแยกแยะลักษณะของสัตว์ทั้งสองชนิดนี้ เช่น ความยาวของขน หรือลักษณะของหู เพื่อให้เครื่องจักรเรียนรู้ว่าสัตว์ชนิดใดมีลักษณะเหมือนกับสุนัข และสัตว์ชนิดใดเหมือนกับแมว จากนั้นเมื่อเครื่องจักรมีความรู้นี้แล้ว จะสามารถทำนายและระบุสัตว์ในกลุ่มข้อมูลที่ไม่เคยเห็นมาก่อน อย่างเช่น ช้าง ม้า หรือนก จากลักษณะของสัตว์ที่มีในขั้นตอนการเรียนรู้เริ่มต้น