Introduction à l'apprentissage automatique · Question 49 sur 60
Un classifieur de variétés de pommes doit être adapté par fine-tuning. Quelles tâches cibles fonctionneront probablement bien et lesquelles moins bien ?
2 réponses sont correctes. Difficile Créé avec l’IA
Afficher la solution
Solution
- A Bien : reconnaître des variétés de poires sur des photos
- B Moins bien : reconnaître des chants d'oiseaux
Explication
Le fine-tuning fonctionne d'autant mieux que la nouvelle tâche est proche de l'ancienne. Passer de photos de pommes à des photos de poires est un petit pas, et le modèle peut réutiliser une grande partie de ce qu'il sait déjà. Les chants d'oiseaux sont des enregistrements audio, pour lesquels ce qu'il a appris n'aide guère. Pour la même raison, un LLM peut être bien affiné pour une tâche spécialisée très proche si de bonnes données d'entraînement sont disponibles.