Zubnet AIAprenderWiki › Transfer Aprendering
Training

Transfer Aprendering

Usar conhecimento aprendido de uma tarefa ou dataset para melhorar performance em uma tarefa diferente mas relacionada. Em vez de treinar do zero cada vez, você começa com um modelo que já entende padrões gerais (estrutura de linguagem, features visuais) e o adapta à sua necessidade específica. Pre-training e depois fine-tuning é o paradigma dominante em IA moderna.

Por que importa

Transfer learning é por que a IA se tornou prática. Treinar um modelo de linguagem do zero custa milhões de dólares. Fazer fine-tuning de um modelo pré-treinado na sua tarefa específica custa dezenas de dólares e algumas horas. Essa economia é o que habilitou a explosão de aplicações IA — você não precisa do orçamento do Google para construir algo útil.

Deep Dive

The key insight: low-level features transfer across tasks. A vision model trained on ImageNet learns to detect edges, textures, and shapes in its early layers — features useful for almost any visual task. A language model trained on web text learns grammar, facts, and reasoning patterns useful for almost any language task. Transfer learning exploits this by reusing the general knowledge and only training the task-specific parts.

The Pre-train + Fine-tune Paradigm

Almost every AI system today follows this pattern: (1) pre-train a large model on a massive, general dataset (expensive, done once), (2) fine-tune on a smaller, task-specific dataset (cheap, done many times). BERT pioneered this for NLP in 2018. GPT scaled it up. The entire LLM industry is built on this paradigm — foundation models are the pre-trained base, and fine-tuning (including RLHF/DPO) is how they become useful assistants.

When Transfer Fails

Transfer learning works best when the source and target domains are related. A model pre-trained on English text transfers well to French (similar structure) but poorly to protein sequences (completely different domain). When domains are too different, transfer can actually hurt performance ("negative transfer"). Domain-specific pre-training (like BioGPT for biomedical text or CodeLlama for code) addresses this by pre-training on domain-relevant data.

Conceitos relacionados

← Todos os termos
← Tool Use Transformer →