Cos'è l'apprendimento zero-shot?
L'apprendimento zero-shot si riferisce alla capacità di un modello IA di affrontare compiti per i quali non ha visto esempi specifici durante l'addestramento. Il modello trasferisce conoscenze generali a nuovi compiti attraverso la comprensione semantica delle descrizioni dei compiti, ragionamenti per analogia con compiti correlati e la capacità di seguire istruzioni in linguaggio naturale.
Zero-Shot vs. Few-Shot
Il prompting zero-shot fornisce al modello solo la descrizione del compito senza esempi. Il prompting few-shot fornisce da 1 a 5 esempi dimostrativi nel prompt. One-shot fornisce esattamente un esempio. Lo zero-shot è più efficiente (meno token), mentre il few-shot spesso fornisce risultati più precisi. Per molti compiti, i moderni LLM hanno conoscenze generali sufficienti per prestazioni zero-shot a livello umano.
Applicazioni aziendali
Le capacità zero-shot sono fondamentali per le applicazioni aziendali flessibili che devono adattarsi rapidamente ai nuovi requisiti. I compiti di classificazione (sentiment, categoria, intent), l'estrazione di informazioni e gli output strutturati possono spesso essere risolti senza dati di addestramento specifici del compito tramite prompt zero-shot ben formulati. Ciò accelera notevolmente lo sviluppo di prototipi e riduce il fabbisogno di dati per i progetti IA.