Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Few-shot learning

Engels: Few-Shot Learning · Ook wel: FSL, low-shot learning

In het kort

Few-shot learning is een methode in machine learning waarbij een model een nieuwe taak leert met weinig voorbeelden. Gewone modellen trainen vaak met honderden of duizenden voorbeelden, terwijl few-shot learning eerder geleerde kennis gebruikt en die met een handvol nieuwe voorbeelden aanpast. Zo kan een model een zeldzame diersoort of een zeldzame ziekte herkennen nadat het maar enkele gelabelde voorbeelden van die categorie heeft gezien.

Waarom is dit belangrijk?

Kwaliteitsproblemen die maar zelden op een lijn voorkomen, worden toch snel herkenbaar zonder eerst een lange periode beeldmateriaal te verzamelen. In de maakindustrie gebruiken inspectieteams few-shot learning bij de dagelijkse kwaliteitscontrole, omdat nieuwe defecten vaak maar weinig foto's opleveren. Medewerkers in de fabriek zien afwijkingen daardoor eerder, maar een te smalle steekproef kan het beeld vertekenen en tot foutieve conclusies leiden.

Zo werkt het in de praktijk

Onderzoekers testen few-shot learning op klantvragen van banken in de verzameling Banking77. Een model herkent daarbij de bedoeling van een vraag met enkele voorbeelden per soort. Bij een regelgevende instantie voor geneesmiddelen haalt een taalmodel feiten uit officiële teksten, binnen het eigen netwerk.

Onderzoekers van Microsoft bekijken of een dialoogsysteem nieuwe antwoorden schrijft met weinig voorbeelden. Zij bouwden de testset FEWSHOTWOZ en het model SC-GPT. Dat model oefent eerst op bestaande dialogen en past zich daarna aan een nieuw onderwerp aan.

Prompt engineering is het opstellen van duidelijke opdrachten voor een generatief model. Medewerkers zetten daarbij few-shot prompting in: een paar voorbeelden in de opdracht. Het model past zich tijdelijk aan via in-context learning, zonder nieuwe training.

Gecontroleerd op 23 oktober 2026