Un niño que nunca ha visto una cebra puede reconocerla incluso después de que le digan que se parece a un caballo con rayas. El aprendizaje de cero disparos exige a las máquinas que hagan algo similar: manejar clases o tareas para las que nunca fueron entrenadas, utilizando información auxiliar como descripciones de atributos o relaciones semánticas.

En la clasificación de imágenes, un modelo de aprendizaje cero podría entrenarse con gatos y perros, pero se le pediría que identificara un lobo. Si el modelo ha aprendido atributos como "tiene pelaje", "tiene orejas puntiagudas" y "vive en manadas", puede combinarlos para crear una representación de un lobo sin haber visto nunca uno. El vínculo entre las clases vistas y las no vistas suele ser un espacio semántico compartido, a menudo construido a partir de descripciones de texto o grafos de conocimiento.

Por qué es importante

• Constantemente aparecen nuevas categorías y etiquetarlas es lento.
• Algunas clases son raras o imposibles de recolectar a gran escala.
• Los grandes modelos de lenguaje ahora realizan muchas tareas sin necesidad de entrenamiento previo a partir de una sola indicación.
• Reduce el coste de implementar un modelo en nuevos dominios.

El rendimiento del aprendizaje sin ejemplos sigue siendo inferior al del aprendizaje supervisado en la mayoría de las pruebas comparativas. La diferencia se reduce cuando las descripciones auxiliares son ricas y las clases no vistas se aproximan a la distribución de entrenamiento. Cuando están muy alejadas, el modelo realiza predicciones deficientes y, a menudo, con demasiada confianza.