Ülekantava õppe alused
Ülekantav õpe on ML tehnika, milles ühe ülesande jaoks treenitud mudeli teadmisi rakendatakse teisele seotud ülesandele. Põhiidee on see, et mudel suudab õppida enamiku üldülesannete lahendamiseks vajalikest põhiteadmistest ja rakendada neid teadmisi spetsiifilisematele ülesannetele.
Ülekantava õppe tüübid
Peenhäälestamine (fine-tuning) muudab eeltreenitud mudeli kõiki parameetreid edasi uue ülesande andmetel. Tunnuste ekstraheerimine külmutab eeltreenitud mudeli varasemad kihid ja treenib ainult uue ülesandespetsiifilise pea. Adapterpõhine peenhäälestamine lisab treenitud mudelisse väikseid treenitavaid "adapteri" mooduleid.
Ettevõtte rakendused
Ülekantav õpe on dramaatiliselt vähendanud tehisintellekti mudeli ehitamise barjääri. Organisatsioonid suudavad ehitada võimsaid spetsialiseeritud rakendusi suhteliselt väikeste annoteeritud andmekogumitega. Domeenispetsiifilised NLP mudelid saab peenhäälestada avalikult kättesaadavatest mudelitest.