Transzfer tanulás
Korábban megszerzett tudás átvitele egy másik feladatra vagy területre — a modell nem nulláról kezdi az új feladatot, hanem az előző tapasztalataira épít.
Analógia
Mint egy angol anyanyelvű, aki megtanulja a hollandot: nem nulláról kezdi a nyelvtanulást, hanem a germán gyökerű szókincs és nyelvtani logika ismeretére támaszkodik.
Miért fontos?
Ez az alapja a fine-tuningnak és az alapmodellek logikájának. Üzleti szempontból azt jelenti, hogy nem kell nulláról tanítani egy modellt minden új feladathoz — egy általános alapmodellből kiindulva sokkal kevesebb adat és erőforrás is elegendő.
Hogyan működik?
A transzfer tanulásnál egy modell egy korábbi feladat során megszerzett mintázataira támaszkodik egy új, rokon feladatban. Az előtanítás például nyelvtani és szövegbeli összefüggéseket tanít meg, amelyek később segíthetnek osztályozásban vagy összefoglalásban. Az átvitel történhet a már betanított modell közvetlen használatával, további példák megadásával vagy célzott finomhangolással. Minél jobban eltér az új feladat a korábbi tanulási helyzettől, annál kevésbé biztos, hogy a régi minták hasznosak lesznek.
A felhasználó ezt akkor tapasztalja, amikor egy általános asszisztens külön tanítás nélkül is segít megírni egy új témájú levél vázlatát, mert a szövegalkotási képességét az új feladatra is alkalmazza. Szakmai folyamatban viszont a szakterminológia és a helyi szabályok hiányozhatnak, ezért példákra, dokumentációra vagy célzott tanításra lehet szükség. Az átvitel nem automatikus tudásmásolás: a forrásfeladat és az új feladat közötti hasonlóság számít, az eredményt pedig az új környezetben kell ellenőrizni.
Példa
Egy általános szövegmodellből kiinduló csapat néhány címkézett példával megtanítja a rendszert arra, hogy belső bejelentéseket témakörök szerint csoportosítson.
Gyakori tévhit
A korábbi feladat tudása nem kerül át változatlanul minden új területre. Az átvitel eredményessége attól függ, mennyire kapcsolódik az új feladat a korábbi tanulási mintákhoz.