Pedirle a una IA que clasifique el sentimiento de una reseña sin haberle mostrado antes ningún ejemplo, y que aun así lo haga razonablemente bien, es posible gracias a algo que distingue a los modelos de lenguaje modernos de sistemas de IA más antiguos y especializados. Zero-shot y few-shot learning describen precisamente esta capacidad: realizar una tarea sin ningún ejemplo previo (zero-shot) o con solo unos pocos ejemplos de referencia (few-shot), en lugar de necesitar miles de ejemplos de entrenamiento específicos para esa tarea concreta.
Zero-shot: resolver algo sin haber visto nunca un ejemplo similar
Un modelo con capacidad zero-shot puede abordar una tarea completamente nueva basándose únicamente en la descripción de lo que se le pide, sin ningún ejemplo previo de cómo debería ser una respuesta correcta. Esto es posible porque el modelo ya ha aprendido patrones generales del lenguaje y del razonamiento durante su entrenamiento masivo, y puede aplicar ese conocimiento general a una tarea concreta nunca vista de esa forma específica.
Few-shot: aprender el patrón con solo un puñado de ejemplos
En lugar de no dar ningún ejemplo, se incluyen dentro del propio prompt dos o tres muestras de lo que se espera, ayudando al modelo a entender mejor el formato, el tono o el criterio exacto que se busca. Esta técnica suele mejorar notablemente la precisión frente al zero-shot puro, especialmente en tareas donde el formato exacto de la respuesta importa mucho.
Un ejemplo que muestra la diferencia práctica entre ambos enfoques
- Zero-shot: «Clasifica el sentimiento de esta reseña como positivo, negativo o neutro.»
- Few-shot: la misma instrucción, pero acompañada de dos o tres reseñas ya clasificadas como ejemplo, mostrando exactamente el formato y criterio esperado antes de pedir la clasificación real.
Por qué esta capacidad supuso un cambio real frente a la IA anterior
Los sistemas de IA más tradicionales necesitaban entrenarse específicamente, con miles de ejemplos etiquetados, para cada tarea concreta que debían resolver. Los modelos de lenguaje actuales pueden abordar tareas nuevas con muy pocos ejemplos (o ninguno), gracias a que su entrenamiento previo, mucho más general y amplio, les ha dotado de una capacidad de generalización que antes exigía entrenamiento específico y costoso para cada nueva tarea que se quisiera resolver.