Few-shot и zero-shot: когда ИИ нужны нужны, а когда мешают

В ИИ есть термины, которые звучат как названия баров или танцевальных стилей: few-shot, zero-shot… Но на самом деле, за ними — простой и важный вопрос: давать ли ИИ примеры, прежде чем просить что-то сделать? Или лучше сразу идти в лоб?

Разбираемся, что значит эта «стрельба по шотам», когда она помогает, а когда — только запутывает модель и вас вместе с ней.

Zero-shot: без примеров, но с надеждой

Zero-shot — это когда вы ничего не объясняете. Просто пишете запрос:

«Составь план тренинга по критическому мышлению»

И надеетесь, что ИИ:
— понял, что значит «тренинг»
— уловил нужный уровень (для кого?)
— не унесёт вас в корпоративный космос на 18 пунктов без структуры

Иногда zero-shot срабатывает прекрасно. Особенно когда задача типовая, не требует контекста или есть сильная встроенная логика (например, «переведи на английский» или «напиши твит по теме»).

Когда zero-shot — ок:

Запрос суперпонятный (ответ однозначный или стандартный)
Время жмёт, нужно быстро набросать
Вы тестируете, как ИИ в принципе понимает ваш формат

Когда нет:

Задача комплексная
Нужно писать «в вашем стиле»
Есть скрытые требования, которые неочевидны из запроса

Few-shot: покажи, как надо

Few-shot — это когда вы даёте 1–3 примера перед запросом. Например:

Пример 1:
Пользователь: Хочу, чтобы фича помогала быстрее находить нужное.
Переформулируй как потребность: «Пользователю важно…»
→ Пользователю важно быстро находить нужный контент без лишней навигации.
Пример 2:
Пользователь: Надо, чтобы не мешало, когда я спешу.
→ Пользователю важно, чтобы интерфейс не отвлекал в моменты высокой нагрузки.
Новый ввод:
Пользователь: Не хочу каждый раз вводить одно и то же.
→ ?

ИИ по аналогии продолжит паттерн. Он «понял», как выглядит формат вывода, даже если ему не рассказали словами.

Когда few-shot работает:

Нужен специфический стиль (tone of voice, формат)
Модель должна «уловить» паттерн поведения
Вы обучаете ИИ на лету в рамках одного промта

Когда мешает:

Примеры сбивают с толку (они противоречат друг другу)
Вы сами не уверены в структуре — и модель дублирует вашу неуверенность
Задача другая, но вы дали неудачные аналогии (ИИ застревает в паттерне)

Подводные камни

1. ИИ не «понимает», а продолжает шаблон.
Если вы дали три примера плохого тона — он продолжит в том же духе. Он не оценивает, он имитирует.

2. Больше не значит лучше.
Давать 10 примеров — почти всегда бесполезно. Модель не обучается как человек, она не делает обобщения. Она просто находит, что похоже, и продолжает.

3. Few-shot ≠ fine-tuning.
Вы не тренируете модель в прямом смысле. Вы задаёте ей роль и шаблон — как режиссёр актёру, но на лету, в одной сцене.