Few-Shot Learning
aprendizaje con pocos ejemplos
El few-shot learning es una forma de entrenar un modelo de inteligencia artificial con muy pocos ejemplos etiquetados, de modo que generalice a casos nuevos sin mil imágenes de cada clase. Se traduce como aprendizaje con pocos disparos o con pocos ejemplos.
Importa en pymes porque nadie tiene un millón de fotos de su defecto de fabricación o de su tipo de factura. Los modelos grandes actuales ya traen mucho conocimiento previo y se adaptan con una decena de muestras bien elegidas. El riesgo es creer que cinco fotos descuidadas bastan. Los ejemplos tienen que ser representativos, no los más bonitos.
Una asesoría en Badajoz enseñó a su clasificador de correo con treinta mensajes reales de “cita”, “nómina” y “urgencia”. Acertaba lo suficiente para preclasificar. Con tres ejemplos inventados, no. Aprender con pocos casos no es magia escasa. Es reutilizar lo que el modelo ya sabe y afinarlo con la realidad del negocio, no con la carpeta de marketing.
