เปรียบเทียบวิธี

	การเรียนรู้หลายภารกิจ	การเรียนรู้แบบถ่ายโอน
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1997	2010 (formalized); 1990s (early roots)
ผู้ริเริ่ม	Rich Caruana	Pan, S. J. & Yang, Q. (survey); Bengio, Y. (deep learning framing)
ประเภท	Inductive transfer method	Learning paradigm
แหล่งต้นตำรับ	Caruana, R. (1997). Multitask learning. Machine Learning, 28(1), 41–75.	Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.
ชื่อเรียกอื่น	MTL, Joint Learning, Shared Representation Learning, Çok Görevli Öğrenme	TL, domain adaptation, fine-tuning, pre-trained model adaptation
ที่เกี่ยวข้อง	3	3
สรุป	Multitask Learning (MTL) is a machine learning paradigm in which a model is trained simultaneously on multiple related tasks, sharing representations across them to improve generalization. Introduced formally by Rich Caruana in 1997, MTL draws on the intuition that auxiliary tasks act as inductive bias, providing extra supervision signals that help the shared layers learn richer, more robust feature representations than single-task training would yield.	Transfer learning is a machine learning paradigm in which knowledge gained from training a model on a source task or domain is reused to improve learning on a different but related target task or domain. It is especially powerful when labeled data for the target task is scarce, and it underlies most modern deep learning applications in computer vision, natural language processing, and beyond.