Tek Atışlı Öğrenme (One-Shot Learning)

Tek Atışlı Öğrenme (One-Shot Learning) nedir?

Tek atışlı öğrenme, bir modele yeni bir görevi ya da kavramı sadece tek bir örnek göstererek öğretmektir. Adı buradan gelir: "tek atış". İnsanların öğrenme biçimine yakındır — bir çocuğa zürafayı bir kez gösterirsin, sonra hepsini tanır.

Bu kavram, zero-shot (sıfır örnek) ve few-shot (birkaç örnek) öğrenmenin ortasında durur. Prompt bağlamında, model istemine tek bir örnek koyarsın ve devamını ona bırakırsın.

Nasıl çalışır?

İki ana yaklaşım var. Klasik makine öğrenmesinde, tek atışlı öğrenme genelde benzerlik ölçmeye dayanır: model her örneği bir vektöre (embedding) çevirir, yeni bir girdiyi elindeki tek örnekle karşılaştırır ve ne kadar yakın olduğuna bakar. "Matching Networks" gibi mimariler bu mantıkla çalışır.

Büyük dil modellerinde ise iş daha basit görünür: sisteme tek bir örnek verirsin.

Örnek: Türkçe: merhaba -> İngilizce: hello dedikten sonra Türkçe: teşekkürler -> İngilizce: yazarsın, model kalıbı tek örnekten yakalar. Bu in-context learning'in bir biçimidir; model ağırlıkları değişmez, sadece bağlamdaki örnekten öğrenir.

Neden önemli?

Veri her zaman bol değildir. Nadir hastalıklar, yeni ürünler, az konuşulan diller — bu alanlarda binlerce etiketli örnek toplamak imkânsız ya da çok pahalıdır. Tek atışlı öğrenme, az veriyle iş görmenin yoludur.

Ayrıca prompt yazarken pratik bir denge sunar: zero-shot'ta model bazen görevi kaçırır, çok örnek koymak ise token yer. Tek iyi seçilmiş örnek çoğu zaman kalıbı netleştirmeye yeter.

Kullanım alanları

Yüz tanıma (bir kişinin tek fotoğrafından tanıma), imza doğrulama, nadir sınıf tespiti ve LLM promptlarında hızlı biçim öğretme. Fine-tuning yapmaya değmeyecek küçük görevlerde, tek örnekli prompt en ekonomik çözümdür.