Duomenų stygius atsiranda, kai DI užduočiai trūksta tinkamų ar pažymėtų duomenų, kad modelį būtų galima patikimai apmokyti ar išbandyti. Tai paliečia, pavyzdžiui, retus gamybos defektų tipus, nišines kalbas ar naujus produktus be pardavimų istorijos. Priemonės: žinių perkėlimas (transfer learning), sintetiniai duomenys, duomenų papildymas (data augmentation) arba iš anksto apmokyti kalbos modeliai, duodantys naudingus rezultatus iš vos kelių pavyzdžių.
Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.
Pradėti demonstracijąSintetiniai duomenys generuojami dirbtinai, o ne renkami realiame pasaulyje, tačiau imituoja tikrų duomenų dėsningumus ir savybes. Jie padeda, kai tikrų duomenų trūksta, jie brangūs arba jautrūs duomenų apsaugos požiūriu – pavyzdžiui, testuojant programinę įrangą, mokant modelius ar tikrinant pokalbių robotą su tikroviškais pavyzdinių užklausų rinkiniais. Svarbu, kad jie pakankamai tiksliai atspindėtų tikrovę ir neleistų daryti išvadų apie realius asmenis.
Perkeliamajame mokyme jau išmokęs didelę bendrą užduotį modelis tampa atspirties tašku naujam, specializuotam modeliui. Užuot pradėjus nuo nulio, jis pritaikomas, pavyzdžiui, tikslinant, naudojant palyginti nedaug savų duomenų. Tai taupo skaičiavimo laiką ir duomenis, pavyzdžiui, kai bendrą vaizdų modelį norima išmokyti aptikti gamybos defektus nuotraukose.
Mokymasis iš kelių pavyzdžių (angl. few-shot learning) – tai modelio gebėjimas išspręsti užduotį pagal vos saują pavyzdžių. Su kalbos modeliais tai paprastai vyksta tiesiogiai įvestyje: parodote dvi ar tris klausimo ir pageidaujamo atsakymo poras, o modelis tą patį formatą ir stilių pritaiko naujiems atvejams – be perkvalifikavimo. Pavyzdys: trijų teisingai suklasifikuotų klientų užklausų dažnai pakanka, kad kitos užklausos būtų išrūšiuotos taip pat.
Mokymo duomenys – pavyzdžiai, iš kurių DI modelis mokosi dėsningumų: dideli tekstų rinkiniai kalbos modeliams, pažymėti vaizdai vaizdų modeliams. Jų kokybė, įvairovė ir naujumas daugiausia lemia, kaip patikimas ir teisingas bus modelis ir kokios šviežios bus jo žinios. Organizacijoms taip pat svarbu, ar tiekėjas jų įvestus klientų duomenis naudoja tolesniam mokymui.
