Was ist Few-Shot-Learning

Definition

Few-Shot-Learning ist ein KI-Verfahren, bei dem ein Machine-Learning-Modell darauf trainiert wird, neue Aufgaben oder Konzepte auf Basis von nur sehr wenigen Beispielen (in der Regel zwischen 2 und 100) erfolgreich auszuführen.

Erklärung

Traditionelle Deep-Learning-Modelle benötigen Tausende von Datenpunkten, während Few-Shot-Learning versucht, die menschliche Fähigkeit zur schnellen Abstraktion nachzuahmen. Ermöglicht wird dies meist durch den Einsatz großer, vortrainierter Foundation-Modelle, die durch geschickt gestaltete Prompts mit Beispielen (In-Context Learning) auf die neue Aufgabe vorbereitet werden. Für B2B-SaaS-Produkte ist dies von unschätzbarem Wert, da Kunden oft nur eine sehr begrenzte Anzahl an Beispieldaten für spezielle Klassifizierungen oder Workflows bereitstellen können. Vertriebsteams können der KI beispielsweise drei erfolgreiche Kunden-E-Mails zeigen, damit das Modell sofort versteht, in welchem Stil und Format die nächsten E-Mails generiert werden sollen. Dies spart erhebliche Entwicklungszeit und beschleunigt die Time-to-Value für B2B-Kunden.