التعلم القائم على الأمثلة (Few-shot Learning – FSL) هو أسلوب في التعلم الآلي والتعلم العميق يهدف إلى تدريب النماذج على أداء مهمة معينة باستخدام عدد قليل جدًا من الأمثلة (Very Few Examples) مقارنة بالطرق التقليدية التي تحتاج إلى آلاف أو ملايين العينات. يعتمد هذا النهج على استغلال المعرفة السابقة (Prior Knowledge) أو نماذج التعلم المسبق (Pre-trained Models) ثم نقلها إلى المهمة الجديدة عبر نقل التعلم (Transfer Learning) أو التعلم التمثيلي (Meta-Learning).
تطبيقاته تشمل: التعرف على الصور (Image Classification) عند توفر صور محدودة لفئات جديدة، معالجة اللغة الطبيعية (NLP) مثل الترجمة أو التصنيف باستخدام نصوص قليلة، والتشخيص الطبي(Medical Diagnosis) حيث يصعب جمع بيانات ضخمة. وبذلك يمكّن Few-shot Learning النماذج من التعميم بسرعة وبكفاءة رغم ندرة البيانات.
ا.م.د. علاء طعيمة عبد الكاظم
أستاذ مساعد دكتور في الذكاء الاصطناعي والتعلم العميق