小样本学习：几个例子就能学会

小样本学习（Few-shot Learning）研究如何用极少量样本掌握新任务——人类看一个苹果就能认识苹果，机器却需要成千上万张图。这是当前 AI 与人类智能差距最明显的地方之一。

小样本学习触及了智能的核心奥秘：人类之所以聪明，不是因为记得多，而是因为能举一反三。什么时候机器能像孩子一样看一眼就学会新概念，AGI 大概就真的不远了。这是最难的问题，也是最值得期待的方向。

## 核心要点

图片来源：Openverse / tlaukkanen（https://www.flickr.com/photos/14598456@N00/5480093852）

1. 小样本学习的核心是“学会学习”，而非学会具体任务。

2. 度量学习（学一个相似度空间）是主流方法之一。

3. 元学习通过构造大量小任务来训练模型的快速适应能力。

4. 大模型的上下文学习其实也是一种小样本能力的体现。

图片来源：Openverse / Ryan Somma（https://www.flickr.com/photos/14405058@N08/2480411053）

## 写在最后

以上是关于「小样本学习」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。