Transferlernen Transferlernen nutzt ein Modell, das bereits auf einer großen allgemeinen Datenmenge trainiert wurde, als Ausgangspunkt für eine neue, verwandte Aufgabe. Statt bei null zu beginnen, wird das vorhandene Wissen übernommen und mit vergleichsweise wenigen eigenen Beispielen angepasst. Das ist heute der Normalfall und nicht die Ausnahme.
Kurz-Fakten
Senkt den Bedarf an eigenen Trainingsdaten drastisch
Funktioniert am besten bei verwandten Aufgabenbereichen
Verzerrungen des Ausgangsmodells werden mit übernommen
Bedeutung in der Praxis
Der letzte Punkt gehört in jede Dokumentation: Was das Ausgangsmodell schief gelernt hat, bringt es mit. Bei Anwendungen, die Menschen betreffen, ist das kein Nebensatz, sondern ein Prüfpunkt.
Inhaber von SEO NW in Bertingen. Arbeitet an der Schnittstelle von Suchmaschinenoptimierung und angewandter künstlicher Intelligenz: Prompt Engineering, Retrieval-Augmented Generation und die Frage, unter welchen Bedingungen ein Sprachmodell einen Inhalt übernimmt und der richtigen Quelle zuschreibt.