اكتشف قوة التعلم من لقطة واحدة، وهي تقنية ثورية للذكاء الاصطناعي تتيح للنماذج التعميم من الحد الأدنى من البيانات للتطبيقات الواقعية.
التعلّم بلقطة واحدة هو نهج للتعلّم الآلي حيث يتم تدريب النموذج على التعرّف على أمثلة قليلة جدًا، مثال واحد فقط، لكل فئة أو صنف، وتعميمه. وهذا يتناقض بشكل حاد مع أساليب التعلّم الآلي التقليدية التي تتطلب عادةً مئات أو آلاف الأمثلة للتعلّم بفعالية. يُعد التعلّم من لقطة واحدة ذا قيمة خاصة في السيناريوهات التي يكون فيها الحصول على مجموعات بيانات كبيرة أمرًا صعبًا أو مكلفًا أو ببساطة غير ممكن. وهو يهدف إلى محاكاة التعلم البشري، حيث يمكننا في كثير من الأحيان التعرف على أشياء أو مفاهيم جديدة بعد رؤيتها مرة واحدة أو بضع مرات فقط.
تتمثل الفكرة الأساسية وراء التعلم بلقطة واحدة في تعلم مقاييس التشابه أو المسافة بدلاً من التعلم المباشر لتصنيف الأشياء. فبدلاً من تدريب نموذج للتعرف على فئات محددة، يقوم التعلم بلقطة واحدة بتدريب نموذج لفهم مدى تشابه أو اختلاف مدخلين. تتضمن التقنيات الشائعة الشبكات السيامية أو دوال الخسارة الثلاثية التي تتعلم التضمينات حيث تكون المدخلات المتشابهة قريبة من بعضها البعض في فضاء التضمين، والمدخلات غير المتشابهة متباعدة.
خلال مرحلة التعلّم، يُعرض على النموذج أزواج أو ثلاثة توائم من الأمثلة ويتعلم التفريق بينها. عندما يواجه النموذج مثيلًا جديدًا ويُطلب منه تصنيفه بين عدة فئات غير مرئية (مع إعطاء مثال واحد فقط لكل فئة)، يقارن النموذج المثيل الجديد بكل مثال من الأمثلة المقدمة. ثم يصنّف النموذج الجديد بناءً على تشابهه مع هذه الأمثلة، وعادةً ما يستخدم نهج الجار الأقرب في مساحة التضمين المكتسبة. يسمح هذا النهج بالتعميم الفعال حتى مع وجود بيانات محدودة، حيث يتعلم النموذج تمييز السمات التي تدل على التشابه بدلاً من حفظ أمثلة محددة.
لقد وجد التعلم بلقطة واحدة تطبيقات في مختلف المجالات التي تمثل فيها ندرة البيانات تحديًا:
على الرغم من ارتباطه الوثيق، إلا أن التعلم من لقطة واحدة هو مجموعة فرعية من التعلم من عدة لقطات. يشير التعلم بلقطة واحدة على وجه التحديد إلى التعلم من مثال واحد فقط لكل فئة. من ناحية أخرى، يشمل التعلّم بلقطة واحدة سيناريوهات يتعلم فيها النموذج من عدد قليل من الأمثلة، يتراوح عادةً من مثال واحد إلى بضع عينات لكل فئة. يهدف كلا النهجين إلى معالجة التحدي المتمثل في محدودية البيانات، ولكن التعلم بلقطات قليلة هو مصطلح أوسع يشمل التعلم بلقطة واحدة كحالة محددة. وكلاهما يتناقض مع التعلم الآلي التقليدي، والذي يعتمد غالبًا على مجموعات بيانات كبيرة لتدريب النموذج بشكل فعال.
باختصار، يقدم التعلم بلقطة واحدة نقلة نوعية قوية في التعلم الآلي، مما يمكّن النماذج من التعلم بفعالية من الحد الأدنى من البيانات. وقدرته على التعميم من الأمثلة النادرة تجعله لا غنى عنه في العديد من التطبيقات في العالم الحقيقي، لا سيما في مجال الرؤية الحاسوبية والمجالات الأخرى التي يكون فيها الحصول على البيانات مقيدًا. مع استمرار تطور الذكاء الاصطناعي، يستعد التعلم من لقطة واحدة والتقنيات ذات الصلة للعب دور متزايد الأهمية في معالجة قيود البيانات وتوسيع نطاق تطبيقات التعلم الآلي.
