ChatGPT基础知识系列之零样本学习( Zero-Short learning)

ChatGPT基础知识系列之零样本学习( Zero-Short learning)

顾名思义，在训练分类器的时候可以不需要A类物体样本就能在测试时识别A类物体，咋一看，很玄乎，其实并没有。在具体解释思路之前，先回顾一下大家比较熟悉的word2vec，就是把单词变成一个向量（语义向量），就可以数字化送进神经网络了。意思相近的单词的语义向量也会比较相似。

零样本学习 Zero-Shot Learning，简称 ZSL，是由 Lampert 等人在 2009 年提出的。他们提供了一个 Animals with Attributes 数据集以及经典的基于属性的学习算法，开启了这一机器学习新方法。从原理上来说，ZSL 就是让计算机模拟人类的推理方式，来识别从未见过的新事物。之所以独立出来，是因为它解决问题的思路不同于传统的机器学习方法。

我们用小明找斑马的经典例子。某个周末，爸爸带小明到动物园玩，看到了马，爸爸告诉他，这是马。之后，又看到了老虎，告诉他: **看，这种身上有条纹的家伙就是老虎。**最后，又带他去看了熊猫，对他说: **你看这熊猫是黑白色的。**然后，爸爸给小明安排了一个任务，让他在动物园里找一种叫斑马的动物。由于小明没有见过斑马，于是爸爸给他讲了一下斑马的大概情况: **斑马形状像马，身上有像老虎一样的条纹，而且它像熊猫一样是黑白色的。**结果，根据爸爸的描述，小明在动物园里轻松地找到了斑马。