迁移学习：站在巨人的肩膀上

迁移学习把在一个任务上学到的知识迁移到另一个相关任务上——先用大数据训好通用模型，再用少量领域数据微调。它让小团队也能用上顶级 AI 能力。

迁移学习最动人的地方在于“知识可复用”这件事被算法证明了。一个人在某个领域深耕的能力，可以迁移到新领域产生价值；模型也是如此。终身学习者与终身学习的模型，本质上是在做同一件事。

## 核心要点

图片来源：Openverse / Jiuguang Wang（https://commons.wikimedia.org/w/index.php?curid=11565830）

1. 迁移学习把“从零训练”的成本降了一到两个数量级。

2. 预训练 + 微调是深度学习时代最主流的落地范式。

3. 源任务与目标任务越相似，迁移效果越好。

4. 微调时冻结底层、只调顶层，是低成本迁移的常用技巧。

图片来源：Openverse / Rosa Menkman（https://www.flickr.com/photos/68716054@N00/5486667090）

## 写在最后

以上是关于「迁移学习」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。