Few-Shot Learning (Glossar)

Few-Shot Learning ist ein Begriff aus dem Bereich Künstliche Intelligenz und Digitale Transformation. Er beschreibt eine Methode, bei der eine künstliche Intelligenz mit nur sehr wenigen Beispielen – manchmal sogar nur mit drei bis fünf – lernt, neue Aufgaben zu lösen. Im Gegensatz zu herkömmlichen Lernmethoden, die tausende von Trainingsdaten benötigen, spart Few-Shot Learning Zeit und Ressourcen.

Stellen Sie sich vor, Sie wollen einer Software beibringen, verschiedene Arten von exotischen Blumen zu erkennen. Bei traditionellen Methoden müssten Sie der KI tausende Fotos jeder Blume zeigen. Mit Few-Shot Learning reichen schon wenige Bilder aus, damit die Software die Blume in Zukunft selbstständig erkennt.

Das hat große Vorteile: Weniger Daten bedeuten weniger Aufwand bei der Sammlung und Vorbereitung von Trainingsmaterial. Besonders nützlich ist Few-Shot Learning überall dort, wo wenig Daten vorhanden sind – zum Beispiel bei seltenen Krankheiten in der Medizin oder bei der Erkennung neuer Produkte im digitalen Handel.

Unterm Strich hilft Few-Shot Learning Unternehmen dabei, KI-Anwendungen schneller und effizienter in ihre Prozesse zu integrieren und flexibler auf Neues zu reagieren.