One-shot Learning – nauka z jednego przykładu.

Jest to metoda uczenia maszynowego, która pozwala modelowi na efektywne rozpoznawanie nowych klas lub wzorców na podstawie zaledwie jednego lub bardzo ograniczonej liczby przykładów treningowych. W przeciwieństwie do tradycyjnych technik, które wymagają dużych zbiorów danych, ta technika stara się naśladować zdolność człowieka do szybkiego uczenia się z minimalnej ilości informacji. Dzięki temu znalazła zastosowanie w sytuacjach, gdzie dostęp do danych jest ograniczony lub kosztowny.

Techniki wykorzystywane w nauce z jednego przykładu obejmują m.in. metody oparte na metauczaniu, które uczą model uogólniania na podstawie wcześniejszych doświadczeń, oraz różnorodne podejścia do ekstrakcji istotnych cech, umożliwiające skuteczne porównywanie nowo pojawiających się próbek z wcześniejszymi danymi. Jest to szczególnie ważne w dziedzinach takich jak rozpoznawanie obrazów, przetwarzanie języka naturalnego czy robotyka, gdzie szybkie adaptowanie się do nowych sytuacji jest kluczowe dla efektywnego działania systemów sztucznej inteligencji.