Glosario IA
El diccionario completo de la Inteligencia Artificial
Model-Agnostic Meta-Learning (MAML)
Algoritmo de meta-aprendizaje que optimiza los parámetros iniciales de un modelo para permitir una adaptación rápida con pocos pasos de gradiente en nuevas tareas.
Task Distribution
Distribución probabilística que define el conjunto de tareas sobre las cuales el agente meta-aprende, esencial para la generalización a nuevas tareas similares.
Inner Loop Optimization
Proceso de adaptación rápida de los parámetros del modelo en una tarea específica utilizando algunos pasos de gradiente durante el meta-aprendizaje.
Outer Loop Optimization
Actualización de los meta-parámetros agregando los gradientes de varias tareas para mejorar la capacidad de adaptación general del modelo.
Task Embedding
Representación vectorial compacta de una tarea aprendida por el meta-aprendiz para facilitar el reconocimiento rápido y la adaptación a tareas similares.
Meta-Gradient
Gradiente calculado a través del proceso de optimización interna para actualizar los meta-parámetros del modelo en los algoritmos de meta-aprendizaje.
Fast Adaptation
Objetivo del meta-aprendizaje que permite a un agente alcanzar un rendimiento óptimo en una nueva tarea con un mínimo de interacciones.
Meta-Training
Fase de entrenamiento donde el agente aprende sobre una distribución de tareas para desarrollar capacidades de adaptación generales.
Meta-prueba
Fase de evaluación donde el agente es probado en tareas inéditas para medir sus capacidades de generalización y adaptación rápida.
Meta-RL basada en episodios
Enfoque de meta-RL donde el aprendizaje está estructurado en episodios que contienen fases de entrenamiento y prueba para cada tarea.
Meta-aprendizaje jerárquico
Extensión del meta-aprendizaje donde los meta-parámetros se organizan en múltiples niveles jerárquicos para una adaptación progresiva a las tareas.
Meta-política
Política aprendida que genera o adapta otras políticas específicas de tareas, en lugar de controlar directamente al agente.
Meta-aprendizaje contextual
Variante del meta-aprendizaje donde el contexto o la identidad de la tarea se proporciona explícitamente para guiar la adaptación rápida.
Meta-aprendizaje en línea
Enfoque donde el meta-aprendizaje ocurre continuamente durante la interacción con el entorno, sin separación clara de las fases de meta-entrenamiento.
Meta-exploración
Estrategia de exploración optimizada para descubrir rápidamente las características de una nueva tarea basándose en los conocimientos meta-aprendidos.
Incertidumbre de la tarea
Incertidumbre sobre la naturaleza exacta de una nueva tarea, que los agentes de meta-aprendizaje deben manejar para adaptar efectivamente su comportamiento.
Meta-Regularization
Técnicas de regularización aplicadas durante el meta-learning para mejorar la robustez y la generalización a nuevas tareas.
Multi-Task Meta-Learning
Extensión del meta-learning donde el agente debe adaptarse simultáneamente a múltiples tareas relacionadas compartiendo eficazmente los conocimientos.