Çok görevli öğrenme, tek bir modeli birden fazla görev üzerinde aynı anda eğitmektir. Model her görev için ayrı bir çıkış başlığına sahip oluyor ama alt katmanları paylaşıyor. Paylaşılan katmanlar görevlerin ortak yanını öğreniyor, başlıklar ise göreve özgü ayrımı yapıyor.
Mantığı şu: birbirine yakın görevler benzer temsillere ihtiyaç duyuyor. Bir metnin duygusunu, konusunu ve aciliyetini tahmin eden üç ayrı model kurmak yerine tek model kurulduğunda, dilin genel yapısı bir kez öğreniliyor. Az veriye sahip görev, bol veriye sahip görevin öğrendiği temsilden faydalanıyor. Paylaşılan eğitim aynı zamanda düzenlileştirici gibi çalışıyor ve aşırı uyumu azaltabiliyor.
Uygulamada dengeleme sorun çıkarabiliyor. Görevlerin kayıpları farklı ölçeklerdeyse biri diğerlerini bastırıyor, bu yüzden kayıplar ağırlıklandırılıyor. Görevler birbirinden çok uzaksa paylaşım fayda yerine zarar veriyor, buna olumsuz aktarım deniyor.
Somut bir örnek: bir e-ticaret sitesinde ürün yorumları üzerinden hem duygu hem de yorumun hangi ürün özelliğiyle ilgili olduğu tahmin ediliyor. İki görev tek modelde eğitildiğinde, özellik tahmini için elde az veri olmasına rağmen doğruluk tek başına eğitilen modele göre yükseliyor.
Sonuç her zaman iyileşme olmuyor. Görev seçimi yanlışsa modelin genel performansı düşebiliyor, bu yüzden her görev ayrı ayrı ölçülüyor.