Pembelajaran satu kali adalah teknik dalam pembelajaran mesin yang bertujuan untuk belajar dari satu, atau sangat sedikit, contoh. Ini adalah bentuk pembelajaran transfer dimana pembelajaran dari satu contoh diterapkan pada beberapa tugas terkait. Hal ini sangat berguna untuk menangani data yang tidak sesuai dengan metode pembelajaran mesin tradisional, seperti pembelajaran dari gambar atau video.
Dalam pembelajaran satu kali, jaringan saraf dilatih pada satu contoh tugas. Contoh tersebut dapat berupa contoh berlabel, seperti gambar atau video berlabel, atau contoh tidak berlabel, seperti kumpulan bingkai tidak berlabel dari sebuah video. Jaringan saraf kemudian digunakan untuk mentransfer pemahamannya tentang contoh ke tugas-tugas baru.
Pembelajaran sekali pakai berguna dalam situasi di mana terdapat banyak tugas yang terkait dengan satu contoh, seperti klasifikasi gambar, deteksi objek, pengenalan suara, atau pemrosesan bahasa alami. Teknik ini mengurangi jumlah data yang dibutuhkan untuk pelatihan, namun tetap memungkinkan adanya jumlah variansi yang cukup dalam data.
Teknik ini juga berguna untuk menangani kumpulan data yang ukurannya terbatas. Dengan melatih satu contoh, jumlah data yang dibutuhkan dapat dikurangi, sehingga data tersebut dapat digunakan dalam situasi dengan ukuran data yang terbatas atau sulit dikumpulkan.
Pembelajaran satu kali juga sering digunakan dalam aplikasi penelitian, yang berguna untuk membuat prototipe dan menguji ide dengan cepat. Ini digunakan di banyak bidang penelitian, seperti pemrosesan bahasa alami dan visi komputer, untuk menguji ide dan model prototipe dengan cepat.
Pembelajaran satu kali (one-shot learning) merupakan alat penting bagi peneliti untuk membuat model yang dapat dengan cepat beradaptasi terhadap tugas-tugas baru, tanpa memerlukan kumpulan data yang besar. Hal ini juga membantu organisasi mengurangi biaya dan kompleksitas aplikasi pembelajaran mesin dengan mengurangi jumlah data yang dibutuhkan.
