Glosario IA
El diccionario completo de la Inteligencia Artificial
Inicialización de parámetros
Proceso crucial en MAML que consiste en encontrar los pesos iniciales óptimos que minimizan la distancia de adaptación necesaria para alcanzar un buen rendimiento en una nueva tarea.
Tareas de soporte
Subconjunto de datos de una tarea de meta-aprendizaje utilizados para calcular los gradientes de adaptación y actualizar temporalmente los parámetros del modelo.
Tareas de consulta
Muestras de validación en cada tarea utilizadas para evaluar el rendimiento después de la adaptación y calcular los meta-gradientes para la actualización de los parámetros de inicialización.
Tasa de meta-aprendizaje
Tasa de aprendizaje externa utilizada en el bucle de meta-optimización para actualizar los parámetros de inicialización minimizando la pérdida en los conjuntos de consulta.
Tasa de adaptación de tarea
Tasa de aprendizaje interna aplicada durante la adaptación rápida a una nueva tarea específica en el bucle de optimización interna de MAML.
Meta-gradientes
Gradientes calculados a través de los pasos de adaptación de tareas, permitiendo propagar la información de rendimiento hacia los parámetros de inicialización.
MAML de Primer Orden (FOMAML)
Variante computacionalmente eficiente de MAML que ignora las segundas derivadas en los meta-gradientes, reduciendo la complejidad mientras preserva un buen rendimiento.
Bucle interno
Bucle de optimización interna en MAML que realiza la adaptación rápida de los parámetros a una tarea específica utilizando los datos de soporte.
Outer loop
Bucle de optimización externo en MAML que actualiza los parámetros de inicialización agregando la información de rendimiento sobre todas las tareas.
Distribución de tareas
Conjunto subyacente de tareas a partir del cual MAML muestrea durante el entrenamiento para aprender representaciones robustas y generalizables.
Reptile
Algoritmo de metaaprendizaje simplificado que realiza una interpolación entre los pesos inicializados y los pesos después de la adaptación, sin requerir gradientes anidados.
Cross-task generalization
Objetivo fundamental de MAML que consiste en aprender representaciones que transfieran eficazmente el conocimiento entre diferentes tareas relacionadas.
Task uncertainty quantification
Extensión de MAML que incorpora métodos bayesianos para cuantificar la incertidumbre en las predicciones al adaptarse a nuevas tareas.