O pomanjkanju podatkov govorimo, kadar za nalogo UI ni dovolj ustreznih ali označenih podatkov, da bi model zanesljivo naučili ali preizkusili. Prizadene na primer redke vrste napak v proizvodnji, redke jezike ali nove izdelke brez prodajne zgodovine. Rešitve so prenosno učenje, sintetični podatki, razširitev podatkov ali vnaprej naučeni jezikovni modeli, ki dajo uporabne rezultate že z nekaj primeri.
Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.
Začni predstavitevSintetični podatki so ustvarjeni umetno in ne zbrani v resničnem svetu, vendar posnemajo vzorce in lastnosti resničnih podatkov. Pomagajo, kadar so pravi podatki redki, dragi ali občutljivi z vidika varstva podatkov – na primer za testiranje programske opreme, učenje modelov ali preverjanje klepetalnega robota z realističnimi vzorčnimi poizvedbami. Pomembno je, da dovolj natančno odražajo resničnost in ne omogočajo sklepanja o resničnih osebah.
Pri prenosnem učenju model, ki se je že naučil veliko splošno nalogo, služi kot izhodišče za novo, specializirano. Namesto da bi začeli iz nič, ga prilagodimo, na primer z natančnim uravnavanjem, s sorazmerno malo lastnimi podatki. To prihrani računski čas in podatke, na primer kadar se splošni slikovni model nauči prepoznavati napake v proizvodnji na fotografijah.
Učenje z nekaj primeri (few-shot learning) je zmožnost modela, da nalogo reši le z nekaj primeri. Pri jezikovnih modelih se to običajno zgodi neposredno v vnosu: pokažete dva ali tri pare vprašanja in želenega odgovora, model pa isto obliko in slog uporabi pri novih primerih – brez ponovnega učenja. Primer: trije pravilno razvrščeni primeri povpraševanj strank pogosto zadostujejo, da se nadaljnja povpraševanja razvrstijo enako.
Podatki za učenje so primeri, iz katerih se model UI uči vzorcev: velike zbirke besedil za jezikovne modele, označene slike za slikovne modele. Njihova kakovost, raznolikost in aktualnost v veliki meri določajo, kako zanesljiv in pošten je model ter kako sodobno je njegovo znanje. Za organizacije je pomembno tudi, ali ponudnik vnesene podatke strank uporablja za nadaljnje učenje.
