التعلم بدون إطلاق النار هو أسلوب للتعلم الآلي يمكّن أجهزة الكمبيوتر من التعرف على الكائنات وتصنيفها دون الاعتماد على أي معلومات مصنفة. غالبًا ما يستخدم هذا المصطلح بالتبادل مع التعلم مرة واحدة، وهو أسلوب آخر للتعلم الآلي، على الرغم من وجود اختلافات طفيفة. على عكس التعلم دفعة واحدة، لا يستخدم التعلم الصفري أي بيانات مصنفة لتدريب نموذج الكمبيوتر. وبدلاً من ذلك، فإنه يستخدم معلومات إضافية حول الأشياء أو المفاهيم التي سيتم تعلمها، مثل العلاقات بين الفئات، لتمكين الكمبيوتر من تعلم المفاهيم المطلوبة دون أي تسميات.
يعد التعلم الصفري مجالًا جديدًا نسبيًا للتعلم الآلي، وقد ظهر في منتصف عام 2010. في السنوات الأخيرة، أظهر العديد من الباحثين أنه من الممكن تحقيق أداء مثير للإعجاب باستخدام هذه التقنية، سواء للتعرف على الأشياء في الصور أو النصوص. على سبيل المثال، تشتمل منصة الذكاء الاصطناعي التابعة لشركة جوجل، TensorFlow، على وحدة تعليمية صفرية مصممة لتحديد الأشياء في الصور دون استخدام البيانات المصنفة.
يوفر اعتماد نهج التعلم الصفري العديد من الفوائد المحتملة. نظرًا لأنه لا يتطلب بيانات مصنفة، فيمكن استخدامه للمهام التي قد تتضمن قدرًا كبيرًا من التصنيف أو التي لا يكون وضع العلامات عليها عمليًا. بالإضافة إلى ذلك، بما أن النموذج يتم تدريبه باستخدام العلاقات بين الفئات، فإن هذا يسمح للنموذج بالتعميم بشكل أفضل وتحديد الروابط بين المفاهيم المختلفة.
على الرغم من المزايا المحتملة، فإن التعلم الصفري لا يخلو من العيوب. أولاً، يتطلب هذا النهج أن يمتلك الكمبيوتر درجة معينة من المعرفة بالمفهوم الذي يتم تعلمه، وغالبًا ما يكون ذلك في شكل تمثيل هرمي، مما يجعل من الصعب تطبيق التقنية في نطاق واسع من الظروف. ثانيًا، ليس من المعروف حتى الآن كيف ستتفاعل خوارزميات التعلم الصفرية مع بيانات العالم الحقيقي، ولم يتم تحديد نتائجها بشكل جيد بعد. على الرغم من هذه العيوب، فمن المتوقع أن يصبح التعلم الصفري بشكل متزايد بديلاً قابلاً للتطبيق لأساليب التعلم الآلي التقليدية الخاضعة للإشراف.
