يستطيع الطفل الذي لم يرَ حمارًا وحشيًا من قبل أن يتعرف عليه حتى بعد أن يُقال له إنه يشبه حصانًا مخططًا. ويطلب التعلم بدون تدريب مسبق من الآلات القيام بشيء مماثل: التعامل مع فئات أو مهام لم تُدرّب عليها من قبل، باستخدام معلومات إضافية مثل أوصاف السمات أو العلاقات الدلالية.

في تصنيف الصور، قد يُدرَّب نموذجٌ لا يتطلب بياناتٍ مسبقة على صور القطط والكلاب، ثم يُطلب منه تحديد الذئب. إذا كان النموذج قد تعلّم سماتٍ مثل "له فراء" و"له آذان مدببة" و"يعيش في قطعان"، فإنه يستطيع دمج هذه السمات لتكوين صورةٍ للذئب دون أن يراه قط. عادةً ما يكون الرابط بين الفئات المرئية وغير المرئية عبارةً عن فضاءٍ دلالي مشترك، يُبنى غالبًا من أوصافٍ نصية أو مخططاتٍ معرفية.

لماذا يُعد ذلك مهماً؟

• تظهر فئات جديدة باستمرار، وتسمية هذه الفئات عملية بطيئة.
• بعض الفئات نادرة أو يستحيل جمعها على نطاق واسع
• تُؤدي نماذج اللغة الكبيرة الآن العديد من المهام دون الحاجة إلى تدريب مسبق، وذلك بمجرد إدخال موجه الأوامر.
• يقلل ذلك من تكلفة نشر نموذج في مجالات جديدة

لا يزال أداء التعلم بدون بيانات تدريبية أقل من أداء التعلم الخاضع للإشراف في معظم المعايير. يتقلص هذا الفارق عندما تكون الأوصاف المساعدة غنية وتكون الفئات غير المرئية قريبة من توزيع التدريب. أما عندما تكون متباعدة، فإن النموذج يُخمن بشكل سيئ، وغالبًا بثقة مفرطة.