El cerebro no aprende con menos datos, solo aprende de forma incremental.
El campo que está buscando es el aprendizaje por transferencia.
Cuando haya aprendido a identificar los detalles de miles de caras, tendrá un marco rico para descomponer caras. Entonces es fácil discriminar entre dos caras y memorizar un nombre asociado con una cara específica.
Las personas de razas con las que normalmente no te encuentras se ven todas iguales, ya que no tienes la lista subyacente de rasgos faciales para discriminar adecuadamente entre dos caras.
- ¿Qué raza de gato es mejor para una persona perezosa?
- ¿Debo obtener un segundo gato / gatito?
- ¿Cuáles son los síntomas de la diarrea en los gatos?
- ¿Qué comida para gatos contiene más carne?
- Encontré un gato callejero, ¿qué le doy de comer?
Toma bastante tiempo aprender a discriminar con precisión las caras de un nuevo grupo racial y asociar el nombre de un individuo con una cara.
Luego, una vez que haya creado una lista de rasgos faciales, ver una cara una vez es suficiente para reconocerla más tarde.
Además, la visión humana funciona con entrada de video, con grandes cantidades de datos con ligeras variaciones en el ángulo y la iluminación. Tenemos bastantes datos de entrada. Además de esto, hay un intercambio masivo de conceptos, toda visión usa los mismos bloques de construcción de bajo nivel, son solo los conceptos de alto nivel los que son diferentes entre mirar gatos y plátanos. Saber ignorar el ruido de las sombras es algo compartido para toda visión.
Por lo general, en el aprendizaje automático comenzamos desde cero, tenemos que aprender los conceptos básicos de la visión cada vez. Sin embargo, esto está cambiando a medida que encontramos más y más modelos entrenados disponibles en línea.