Zero-shot Learning

L'apprentissage zéro-coup est lorsqu'un système d'IA est capable d'exécuter une tâche sans avoir vu d'exemples directs de celle-ci lors de l'entraînement. Au lieu de cela, il utilise des connaissances générales issues de tâches similaires pour comprendre comment gérer la nouvelle tâche. C'est comme donner à quelqu'un une énigme qu'il n'a jamais entendue auparavant, mais qu'il résout en utilisant la logique et l'expérience acquise avec des casse-têtes similaires.

Cette approche est utile lorsque les données d'entraînement étiquetées sont difficiles à trouver ou changent constamment. Par exemple, un modèle d'apprentissage zéro-coup pourrait reconnaître une nouvelle espèce animale simplement en lisant une description, même s'il n'a jamais vu de photo de cette espèce auparavant. Cela aide l'IA à devenir plus flexible et adaptable.