AI-ordbog

Transfer Learning

Teknik hvor viden fra at træne en model til en opgave bruges til at træne en ny model hurtigere til anden opgave. I stedet for at starte helt fra nul genbruger man læring. Det sparer enormt på tid og data og er hvorfor virksomheder kan fine-tune modeller på små datasæt.

01. Definition

Om Transfer Learning

Transfer learning tager en model der er trænet på en stor generel opgave og tilpasser den til en specifik opgave med langt færre data. I stedet for at træne fra nul genbruges de mønstre modellen allerede har lært – f.eks. forståelse af sprog, billedstrukturer eller logiske sammenhænge. Fine-tuning er den mest almindelige form for transfer learning.

02. I praksis

Hvordan fungerer transfer learning?

En foundation model trænet på milliarder af tekster kan med transfer learning tilpasses til at klassificere jeres specifikke kundeklager på blot 500 eksempler. Uden transfer learning ville den samme opgave kræve hundredtusindvis af eksempler. Det reducerer både databehovet og træningstiden drastisk.

03. Forretningsværdi

Hvorfor er transfer learning vigtig for virksomheder?

Transfer learning er grunden til at AI-implementering er realistisk for virksomheder der ikke har Google-niveau data. Det demokratiserer AI ved at gøre avancerede modeller tilgængelige med begrænsede datamængder og ressourcer.

Udforsk videre i AI-ordbogen

Se hele ordbogen

Intent Recognition

Evnen til at forstå hvad en bruger ønsker eller prøver at gøre baseret på deres tekst eller stemme.