تخيّل عالِم طبيعة لم يرَ حماراً وحشياً قطّ، لكن قيل له: «إنه حصان مخطّط بالأبيض والأسود». وحين يلمح واحداً يتعرّف عليه دون تردّد. يقوم التعلّم دون أمثلة (Zero-Shot Learning) على هذا الحدس بالضبط: تمكين النموذج من التعرّف على مهمّة أو إنجازها دون أيّ أمثلة تدريبية خاصة بتلك المهمّة بالذات.
المبدأ: التعميم عبر الوصف
خلافاً للتعلّم التقليدي الذي يتطلّب آلاف الأمثلة الموسومة لكلّ فئة، يعتمد هذا الأسلوب على تمثيل دلالي مشترك. يتعلّم النموذج ربط المدخلات (صور، نصوص) بـفضاء معرفي يضمّ الخصائص والأوصاف النصية والمتجهات الدلالية. عندئذٍ تُوصف الفئة غير المرئية ضمن الفضاء نفسه، فيصبح التنبّؤ ممكناً.
مع النماذج اللغوية الكبيرة، يتّخذ هذا النهج صورة مألوفة: تكفي صياغة تعليمة بلغة طبيعية («صنّف هذه الرسالة كإيجابية أو سلبية») دون تقديم أيّ مثال. يستثمر النموذج المعارف المكتسبة خلال تدريبه المسبق الواسع.
مقارنة بين الأساليب
| الأسلوب | عدد الأمثلة |
|---|---|
| دون أمثلة (Zero-shot) | 0 |
| بمثال واحد (One-shot) | 1 |
| ببضعة أمثلة (Few-shot) | قليلة (2 إلى ~10) |
رسمياً، نسعى للتنبّؤ بفئة من مجموعة غير مرئية $Y_{\text{unseen}}$ منفصلة عن فئات التدريب المرئية $Y_{\text{seen}}$:
$$ Y_{\text{seen}} \cap Y_{\text{unseen}} = \varnothing $$
المزايا والحدود
- الميزة: مرونة فورية دون إعادة وسم مكلفة أو إعادة تدريب.
- الحدّ: يعتمد الأداء بشدّة على جودة الأوصاف وغنى التدريب المسبق، ويظلّ غالباً دون مستوى نموذج متخصّص.
يجسّد هذا النهج تحوّلاً عميقاً: لم نعُد نبرمج الآلة بالأمثلة، بل بـالمعنى.