Pembelajaran zero-shot adalah teknik pembelajaran mesin yang memungkinkan komputer mengenali dan mengklasifikasikan objek tanpa bergantung pada informasi berlabel apa pun. Istilah ini sering digunakan secara bergantian dengan pembelajaran satu kali, teknik pembelajaran mesin lainnya, meskipun terdapat sedikit perbedaan. Berbeda dengan pembelajaran one-shot, pembelajaran zero-shot tidak menggunakan data berlabel apa pun untuk melatih model komputer. Sebaliknya, ia menggunakan informasi tambahan tentang objek atau konsep yang akan dipelajari, seperti hubungan antar kategori, untuk memungkinkan komputer mempelajari konsep yang diinginkan tanpa label apa pun.
Pembelajaran zero-shot adalah bidang pembelajaran mesin yang relatif baru, yang muncul pada pertengahan tahun 2010-an. Dalam beberapa tahun terakhir, banyak peneliti telah menunjukkan bahwa teknik ini dapat mencapai kinerja yang mengesankan, baik untuk mengenali objek dalam gambar maupun teks. Misalnya, platform kecerdasan buatan Google, TensorFlow, menyertakan modul pembelajaran zero-shot yang dirancang untuk mengidentifikasi objek dalam gambar tanpa menggunakan data berlabel.
Mengadopsi pendekatan pembelajaran zero-shot menawarkan beberapa manfaat potensial. Karena tidak memerlukan data berlabel, maka dapat digunakan untuk tugas-tugas yang memerlukan pelabelan dalam jumlah besar atau yang pelabelannya tidak dapat dilakukan. Selain itu, karena model dilatih menggunakan hubungan antar kategori, hal ini memungkinkan model untuk menggeneralisasi dengan lebih baik dan mengidentifikasi hubungan antara konsep yang berbeda.
Terlepas dari potensi keuntungannya, pembelajaran zero-shot bukannya tanpa kelemahan. Pertama, pendekatan ini mengharuskan komputer untuk memiliki tingkat pengetahuan tertentu tentang konsep yang dipelajari, seringkali dalam bentuk representasi hierarki, sehingga teknik ini sulit diterapkan dalam berbagai keadaan. Kedua, belum diketahui bagaimana algoritma pembelajaran zero-shot akan berinteraksi dengan data dunia nyata dan hasilnya belum dapat dipastikan. Terlepas dari kekurangan-kekurangan ini, pembelajaran zero-shot diharapkan akan semakin menjadi alternatif yang layak dibandingkan pendekatan pembelajaran mesin yang diawasi secara tradisional.
