One-shot learning
Sinónimos: Aprendizaje con un ejemplo · Aprendizaje one-shot
Definición ampliada
El one-shot learning es el caso límite del aprendizaje con pocos ejemplos: el sistema recibe un solo ejemplo de una clase o tarea nueva. Para generalizar, no aprende desde cero con ese dato, sino que aprovecha representaciones, comparaciones o conocimiento adquiridos previamente [1].
En modelos de lenguaje, la expresión también puede referirse a incluir una sola demostración en el prompt. Eso es aprendizaje en contexto: cambia la entrada, no los parámetros del modelo [2].
Contexto histórico
El problema se estudió primero en reconocimiento de patrones y visión. Los enfoques comparaban el ejemplo nuevo con representaciones aprendidas sobre otras categorías. El trabajo de Fei-Fei y colaboradores mostró una formulación temprana para reconocer categorías visuales a partir de muy pocos ejemplos [1].
Importancia actual
A fecha de septiembre de 2026, el término conecta dos líneas distintas: modelos entrenados para adaptarse con un ejemplo y modelos generativos guiados por una demostración en el contexto. En ambos casos, «one-shot» describe la cantidad de ejemplos nuevos, no la cantidad total de datos o conocimiento que sostiene al sistema.
Aplicaciones
Generales
- Reconocer una categoría nueva mediante comparación con un prototipo.
- Personalizar una tarea cuando solo existe una demostración.
- Guiar el formato de un modelo de lenguaje con un ejemplo en el prompt.
Sanitarias
- Investigar adaptación a clases raras apoyándose en representaciones previamente entrenadas.
- Comparar una imagen nueva con prototipos curados como ayuda exploratoria.
- Enseñar a un modelo el formato de extracción mediante un caso ficticio y verificar después su rendimiento sobre un conjunto independiente.
Limitaciones
- Un único ejemplo puede ser atípico, ambiguo o erróneo.
- El rendimiento depende de todo el preentrenamiento y no nace de ese ejemplo.
- La elección de la demostración puede cambiar mucho la salida.
- Aprender de un caso no equivale a validar sobre un caso.
- En sanidad, una enfermedad rara no puede diagnosticarse de forma fiable por haber mostrado al modelo un solo paciente.
Ejemplos
Un modelo de lenguaje recibe una historia clínica ficticia con el formato de variables que debe extraer y después procesa otros textos. La demostración única puede aclarar la tarea, pero la exactitud debe medirse en casos independientes y representativos.