قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التعلم التدريجي
نمط تعلم حيث يتحسن النموذج باستمرار من البيانات الجديدة دون الحاجة إلى إعادة تدريب كامل على البيانات التاريخية. تتيح هذه المقاربة التكيف في الوقت الفعلي مع الحفاظ على المعرفة المكتسبة سابقاً.
التعلم المستمر
مجال في الذكاء الاصطناعي يهدف إلى تطوير أنظمة قادرة على التعلم بشكل تسلسلي من مهام متعددة دون إعادة ضبط كاملة. الهدف هو إنشاء نماذج تكيفية تتراكم المعرفة على المدى الطويل.
الشبكات القابلة للتوسع الديناميكي
نماذج قادرة على تكييف بنيتها ديناميكياً بإضافة وحدات أو طبقات جديدة عند ظهور فئات أو مهام جديدة. يسمح هذا التوسع المتحكم فيه بالنمو الفعال دون المساس بالأداء الحالي.
الطرق القائمة على التنظيم
عائلة من المقاربات تستخدم مصطلحات عقابية في دالة الخسارة لتقييد التعديلات على الأوزان المهمة. تحدد هذه الطرق وتحافظ على المعاملات الحرجة لأداء المهام السابقة.
الطرق القائمة على البنية
استراتيجيات التعلم المستمر التي تعدل بنية الشبكة لاستيعاب المعرفة الجديدة دون التداخل مع القديمة. تشمل هذه المقاربات التوسع الديناميكي وتخصيص موارد مخصصة لكل مهمة.
الطرق القائمة على إعادة التشغيل
تقنيات التعلم المستمر التي تستخدم تخزين وإعادة استخدام انتقائي للبيانات السابقة للحفاظ على الأداء. تختلف هذه الطرق في استراتيجية اختيار وإعادة معاينة التجارب المخزنة.
التعلم التدريجي حسب المهمة
سيناريو التعلم المستمر حيث تكون هوية المهمة معروفة أثناء الاستدلال، مما يسمح باستخدام أقنعة أو شبكات فرعية محددة. يسهل هذا التبسيط فصل المعرفة بين المهام المختلفة.
التعلم التدريجي حسب المجال
نمط حيث تبقى الفئات ثابتة لكن توزيع البيانات يتغير تدريجياً بين المهام. يجب على النموذج التكيف مع المجالات الجديدة مع الحفاظ على قدرته في التعرف على جميع الفئات.
التعلم التدريجي للفئات
السيناريو الأكثر تقييدًا حيث يتم إدخال فئات جديدة تدريجيًا دون معرفة هوية المهمة. يجب على النموذج التمييز بين الفئات القديمة والجديدة مع تجنب نسيان المعرفة السابقة.