Zero-shot learning

Zero-shot learning (ZSL) es una configuración de problemas en aprendizaje profundo,​ en la que, en el momento de la prueba, un alumno observa muestras de clases que no se observaron durante el entrenamiento, y necesita predecir la clase a la que pertenecen. El nombre es un juego de palabras basado en el concepto anterior de one-shot learning​ en el que la clasificación puede aprenderse a partir de sólo uno, o unos pocos ejemplos. Los métodos de ZSL suelen funcionar asociando clases observadas y no observadas mediante algún tipo de información auxiliar, que codifica propiedades distintivas observables de los objetos. Por ejemplo, dado un conjunto de imágenes de animales para clasificar, junto con descripciones textuales auxiliares sobre el aspecto de los animales, un modelo de inteligencia artificial​ que ha sido entrenado para reconocer caballos, pero al que nunca se le ha dado una cebra, puede reconocer una cebra cuando también sabe que las cebras se parecen a caballos rayados. Este problema se estudia ampliamente en visión artificial,​ procesamiento del lenguaje natural​​ y percepción artificial.