Zero-shot learning
Sinónimos: Aprendizaje sin ejemplos · Zero shot learning · Aprendizaje de disparo cero
Definición ampliada
El zero-shot learning —o aprendizaje sin ejemplos— designa hoy dos cosas distintas, y conviene separarlas porque lo que garantizan no es lo mismo.
La acepción clásica, nacida en visión por computador, es la capacidad de clasificar en categorías ausentes del entrenamiento: el modelo no vio ninguna imagen de esa clase y la reconoce apoyándose en atributos o descripciones semánticas que comparte con las clases que sí vio. Aquí la ausencia es comprobable, porque las clases de entrenamiento y de prueba están declaradas.
La acepción de los modelos de lenguaje, generalizada a partir de GPT-3, es más débil: significa que en el prompt no se incluye ninguna demostración resuelta y que no se actualizan los pesos [1]. No significa que la tarea sea nueva para el modelo: dado el tamaño y la opacidad de los corpus de preentrenamiento, normalmente no hay forma de saber si algo equivalente apareció allí. Es a esta acepción a la que suele referirse el término aprendizaje de disparo cero cuando se habla de prompting.
En ambos casos completa una escala con el one-shot learning —una demostración— y el few-shot learning —unas pocas—.
Contexto histórico
Nació en visión por computador como problema de clasificación: reconocer una categoría no vista usando atributos o descripciones semánticas compartidas con las categorías conocidas. La evaluación sistemática de Xian y colaboradores en 2019 puso orden en un campo sin un banco de pruebas acordado, donde —en palabras de los propios autores— los resultados publicados a menudo no eran comparables y a veces estaban viciados, por ejemplo por haber preentrenado sobre las clases reservadas para la prueba [2].
Con GPT-3 en 2020 llegó la segunda acepción: el término pasó a designar también que un modelo de lenguaje aborde una tarea descrita solo en la instrucción, sin demostraciones y sin reentrenamiento [1]. El desplazamiento no es menor, porque la garantía se debilita: en la acepción clásica se sabe qué no vio el modelo; en la segunda, no.
Importancia actual
A fecha de septiembre de 2026, es lo que explica que un mismo modelo general sirva para tareas para las que nadie lo entrenó específicamente. Su valor es mayor donde etiquetar datos es caro, lento o simplemente imposible por falta de casos.
Aplicaciones
Generales
Clasificar textos en categorías definidas sobre la marcha, identificar objetos de clases nuevas, o encargar a un modelo una tarea descrita solo con palabras.
Sanitarias
El uso asentado es el de las tareas de texto: clasificar documentos, detectar temas o extraer campos sin corpus etiquetado previo.
Hay además una expectativa que se repite mucho y que conviene situar: que el zero-shot permita orientar enfermedades raras a partir del conocimiento de enfermedades frecuentes. Es una extrapolación razonable del mecanismo, no un resultado acreditado, y la prudencia aquí no es retórica: las enfermedades raras son justamente el escenario donde menos datos hay para validar el rendimiento del modelo, de modo que la capacidad más difícil de comprobar coincide con el terreno donde el error tiene más coste. Un resultado zero-shot en este ámbito es una hipótesis que orienta, nunca una conclusión.
Limitaciones
- El rendimiento cae cuanto más se aleja la clase nueva de lo visto en el entrenamiento, que es precisamente el caso de interés.
- Suele haber un sesgo hacia las clases conocidas: el modelo tiende a asignar lo nuevo a categorías que ya domina.
- Las cifras publicadas han sido históricamente poco comparables por falta de un protocolo común, y en algunos casos estaban viciadas por preentrenamiento sobre las clases de prueba [2].
- En la acepción de los modelos de lenguaje, «sin ejemplos» describe solo el prompt: el modelo sí vio enormes cantidades de datos, y no suele poder descartarse que la tarea estuviera representada en ellos. Un buen resultado puede reflejar generalización o simple familiaridad, y desde fuera no se distinguen.
Ejemplos
- Clasificar informes en categorías definidas en el momento, sin corpus etiquetado.
- Pedir a un modelo de lenguaje una tarea que no estaba prevista, describiendo solo lo que debe hacer.
- Reconocer una especie animal no vista a partir de una descripción de sus atributos.