Üldistusvõimed

Üldistusvõimed tähistavad võimet kasutada varasemalt omandatud teadmisi või oskusi uutes, sageli varem mittetundud olukordades. Inimese jaoks hõlmab see võimet tõlgendada sarnaseid stiimuleid, rakendada õpitud reegleid ning luua uusi lahendusi. Tehisintellektis viitab üldistusvõime mudeli suutlikkusele generaliseeruda treeningandmetest väljapoole ja teha õigeid prognoose või otsuseid uutel, nägemata andmetel.

Inimese üldistusvõime areng põhineb kogemusel, keeleseadustes ja kognitiivsel arengul. See ilmneb näiteks võimes kasutada õpitud põhimõtteid erinevates kontekstides või tuvastada sarnasused ja erinevused uute esemete vahel. Hea üldistusvõime soodustab uute oskuste kiiremat omandamist ja paindlikku probleemide lahendamist.

Masinõppes tähendab üldistus mudeli võimet teha õigeid etteütlusi ka siis, kui sisend erineb treeningandmetest. Probleemid tekivad eriti siis, kui andmete jaotused muutuvad (jaotuste nihked) või kui mudelit liigselt sobitatakse treeningandmetega (overfitting). Seetõttu hinnatakse mudelite üldistust erinevate testide ja välisdomeenide abil ning püütakse saavutada paindlikkust uutes oludes.

Parandamiseks kasutatakse meetmeid nagu andmete mitmekesistamine (data augmentation), regulaariseerimine, eeltreenimisega töötlemine ja ülekandmine (transfer learning), ning erinevate mudelite kombineerimine (ansamblimeetodid). Uurimisvaldkonnas on tähelepanu keskmes metaõpe ja domeenideülese üldistuse (domain generalization) arendamine, mis aitab mudelil paremini toimida erinevates olukordades.