Zero-shot learning

Es un enfoque avanzado dentro del aprendizaje automático que permite a los modelos realizar predicciones precisas sobre clases de datos completamente nuevas sin haber recibido ejemplos específicos durante su entrenamiento.

Este método se basa en el uso de conocimiento previo, descripciones semánticas o relaciones contextuales entre las clases para generalizar el aprendizaje.

Frecuentemente, emplea técnicas como el procesamiento del lenguaje natural (PLN), incrustaciones de palabras (embeddings) y redes neuronales, permitiendo conectar conceptos previamente aprendidos con nuevas instancias.

Se encuentra comúnmente en aplicaciones donde el etiquetado de datos es costoso o impráctico, como el reconocimiento de imágenes, la generación de texto y la clasificación de contenido.