اكتشف التعلُّم الصفري: وهو نهج متطور للذكاء الاصطناعي يُمكِّن النماذج من تصنيف البيانات غير المرئية، مما يُحدث ثورة في اكتشاف الأشياء، ومعالجة اللغات الطبيعية وغيرها.
يُعد التعلُّم باستخدام اللقطة الصفرية نهجًا رائدًا في التعلُّم الآلي يُمكّن النماذج من التعرّف على الأشياء أو المفاهيم التي لم يسبق لها أن واجهتها أثناء التدريب وتصنيفها. على عكس التعلّم التقليدي الخاضع للإشراف، والذي يعتمد على أمثلة مصنفة لكل فئة، يستفيد التعلّم الصفري من المعرفة والأوصاف السابقة للتعميم على الفئات غير المرئية. تعتبر هذه الإمكانية ذات قيمة خاصة في السيناريوهات التي يكون فيها الحصول على بيانات مصنفة لجميع الفئات الممكنة غير عملي أو مستحيل.
يعتمد التعلم الصفري في جوهره على فكرة السمات الوصفية المشتركة أو العلاقات الدلالية بين الفئات المعروفة وغير المعروفة. يتم تدريب النماذج على مجموعة بيانات من الأمثلة المصنفة من الفئات المرئية ويتم تزويدها أيضًا بمعلومات إضافية، غالبًا ما تكون على شكل أوصاف أو سمات نصية حول كل فئة. أثناء الاستدلال، عندما يتم تقديم مثيل من فئة غير مرئية، يستخدم النموذج العلاقات المكتسبة والوصف المقدم للفئة الجديدة للتنبؤ. تسمح هذه العملية بالتعميم الفعال خارج الفئات التي تم تدريسها بشكل صريح أثناء التدريب.
تكمن أهمية التعلم الصفري في قدرته على التعامل مع طبيعة العالم المفتوح للمشاكل الواقعية. وهي ذات أهمية خاصة في المجالات التي تكون فيها البيانات نادرة أو سريعة التطور. تشمل التطبيقات الرئيسية ما يلي:
بينما يتعامل التعلُّم باللقطة الصفرية مع التعرف على الفئات دون أي أمثلة تدريبية، فإن المفاهيم ذات الصلة مثل التعلُّم من لقطة واحدة والتعلُّم من لقطة واحدة تتناول سيناريوهات ذات بيانات محدودة. يهدف التعلّم بقليل من اللقطات إلى التعميم من أمثلة قليلة فقط لكل فئة، ويهدف التعلّم بلقطة واحدة إلى التعلّم من مثال واحد فقط لكل فئة. هذه الأساليب أقل تطرفًا من التعلم باللقطة الواحدة ولكنها لا تزال تركز على كفاءة البيانات. على عكس التعلم تحت الإشراف، والذي يتطلب العديد من الأمثلة المصنفة لكل فئة، يقدم التعلم باللقطة الواحدة والنماذج المرتبطة به حلولاً للتعلم والتعميم في البيئات التي تعاني من ندرة البيانات، مما يجعل نماذج الذكاء الاصطناعي أكثر قابلية للتكيف وقابلة للتطبيق على نطاق واسع.
من خلال تمكين النماذج من استقراء الفئات غير المرئية، يوسع التعلم الصفري بشكل كبير من إمكانات الذكاء الاصطناعي لمعالجة مشاكل العالم الحقيقي التي تتميز بالجدة ومجموعات البيانات المتطورة، مما يدفع حدود ما يمكن أن يحققه الذكاء الاصطناعي.
