Modeller och tekniker
Meta-learning
Meta-learning är ett forskningsfält där en modell tränas på många olika uppgifter för att bli snabbare på att lära sig nästa. Målet är inte att lösa en enskild uppgift utan att förbättra själva inlärningen. Begreppet hör hemma i forskning och modellutveckling, inte i det dagliga användandet av AI-verktyg.
Vad meta-learning förväxlas med
Att modellen lär sig av dig när du använder den. Ett verktyg du chattar med tränar inte om sig medan du skriver. Meta-learning sker under träningen, långt före leverans.
Transfer learning. Transfer learning återanvänder en tränad modell för en ny uppgift. Meta-learning tränar modellen i att anpassa sig över huvud taget.
Organisationens eget lärande om AI. Ordet handlar om modeller, inte om kompetensutveckling hos medarbetare.
Var du möter meta-learning
I forskningsartiklar och i beskrivningar av hur modeller som klarar few-shot är byggda. I ett samtal med en leverantör är ordet ovanligt, och det angår sällan er.
Vidare
Few-shot Learning för resultatet man vill åt. Transfer Learning för den metod det oftast förväxlas med. Maskininlärning för grundbegreppet.