🎯 Definicja
Pretrained Model to model AI, który “już coś umie”. Został nauczony na ogromnych zbiorach danych (np. całym internecie lub milionach zdjęć) przez giganta technologicznego (Google, Meta, OpenAI). Pobierasz go i używasz, zamiast uczyć własny model od zera przez 100 lat.
🔑 Kluczowe punkty
- Fundament: To baza dla Transfer Learning. Bierzesz model, który umie “rozpoznawać kształty” (ImageNet) i douczasz go “rozpoznawać raka płuc” (Twoje dane).
- Przykłady: BERT (tekst), ResNet (obraz), GPT (generacja tekstu), Whisper (mowa).
- Oszczędność: Nie potrzebujesz superkomputera, żeby zacząć.
📚 Szczegółowe wyjaśnienie
Trenowanie modelu takiego jak GPT-4 kosztuje miliony dolarów. Użycie modelu pretrained kosztuje grosze (lub zero, jeśli jest open-source na Hugging Face). Możesz go użyć w trybie:
- Zero-Shot: Bez zmian (“Opisz to zdjęcie”).
- Fine-Tuning: Lekkie douczenie na Twoich danych.
💡 Przykład zastosowania
Chcesz zbudować system do analizy sentymentu recenzji hoteli po polsku. Zamiast budować sieć neuronową od zera:
- Pobierasz HerBERT (polski model BERT) z Hugging Face.
- Pokazujesz mu 500 przykładowych recenzji (Pozytywna/Negatywna).
- Gotowe. Masz system o skuteczności 95%.
📌 Źródła
- Hugging Face Model Hub.
👽 Brudnopis
- “Don’t be a hero”. W 99% przypadków nie powinieneś trenować modelu od zera. Zacznij od pretrained.