Glosario IA
El diccionario completo de la Inteligencia Artificial
Detección de Deriva Gradual
Técnica de identificación de cambios progresivos en los datos o conceptos, que permite una adaptación anticipativa antes de que el rendimiento del modelo se degrade significativamente.
Detección de Cambio No Supervisado
Métodos que identifican cambios en las distribuciones de datos sin utilizar etiquetas predefinidas, basados en métricas estadísticas o de divergencia entre períodos de tiempo.
Estabilidad-Plasticidad
Dilema fundamental en el aprendizaje incremental que busca equilibrar la capacidad del modelo para conservar los conocimientos anteriores (estabilidad) mientras se adapta a la nueva información (plasticidad).
Olvido Catastrófico
Fenómeno en el que un modelo que aprende nueva información pierde total o parcialmente los conocimientos adquiridos previamente, un problema mayor en el aprendizaje incremental.
Memoria a Corto Plazo
Mecanismo de almacenamiento temporal de observaciones recientes utilizado para detectar rápidamente los cambios y adaptar el modelo antes de su integración permanente en la memoria a largo plazo.
Selección de Instancias Activas
Estrategia que selecciona de manera selectiva las instancias más informativas para la actualización del modelo, optimizando la eficiencia computacional manteniendo al mismo tiempo la relevancia ante los cambios.
Detección de Deriva Abrupta
Técnica especializada en la identificación de cambios repentinos y significativos en los datos, que requiere una adaptación rápida del modelo para evitar una degradación catastrófica del rendimiento.
Reevaluación Dinámica
Proceso continuo de evaluación del rendimiento del modelo sobre los nuevos datos para determinar cuándo es necesaria una adaptación, basado en umbrales dinámicos o métricas de degradación.
Prueba DDM
Método de Detección de Deriva, algoritmo estadístico que monitorea la tasa de error del modelo para detectar cambios significativos, basado en controles estadísticos de medias y varianzas.
Adaptación por Bloques
Estrategia de actualización del modelo por lotes de datos en lugar de individualmente, que permite un compromiso entre la reactividad ante los cambios y la eficiencia computacional.