Glosario IA
El diccionario completo de la Inteligencia Artificial
Aprendizaje Activo en Flujo
Paradigma de aprendizaje donde el modelo selecciona inteligentemente las instancias de datos más informativas en un flujo continuo para solicitar su etiquetado, optimizando así la relación rendimiento/costo.
Selección por Incertidumbre
Estrategia de aprendizaje activo que prioriza las instancias para las cuales el modelo presenta la mayor incertidumbre de predicción, medida generalmente por la entropía o el margen de confianza.
Presupuesto de Etiquetado
Restricción cuantitativa que define el número máximo de etiquetas que pueden solicitarse por unidad de tiempo o para un volumen dado de datos en un contexto de streaming.
Deriva Conceptual
Cambio no estacionario en la distribución subyacente de los datos o la relación entre características y objetivos, que requiere una adaptación continua del modelo en flujo.
Selección por Diversidad
Enfoque de selección de instancias que busca maximizar la diversidad de ejemplos etiquetados evitando la redundancia informativa en el espacio de características.
Oráculo Humano
Fuente de experiencia externa (generalmente humana) solicitada para proporcionar etiquetas a las instancias seleccionadas por el sistema de aprendizaje activo en tiempo real.
Costo de Etiquetado
Recursos temporales, financieros o computacionales requeridos para obtener una etiqueta de verdad terreno, optimizados por las estrategias de aprendizaje activo.
Selección por Representatividad
Método de elección de instancias basado en su capacidad para representar la estructura global o local del flujo de datos, garantizando una cobertura equilibrada del espacio.
Estrategia Híbrida de Selección
Combinación optimizada de múltiples criterios de selección (incertidumbre, diversidad, densidad) para mejorar la eficiencia del aprendizaje activo en flujo.
Latencia de Anotación
Retraso temporal entre la selección de una instancia por el modelo y la recepción de su etiqueta, impactando directamente el rendimiento en tiempo real.
Selección por Densidad
Criterio de selección que privilegia las instancias ubicadas en regiones de alta densidad de datos para maximizar el impacto informativo de cada etiqueta.
Adaptación Dinámica
Capacidad del sistema para modular automáticamente su estrategia de selección según los cambios detectados en el flujo y las restricciones de recursos.
Muestreo por Reservorio
Algoritmo que permite mantener una muestra aleatoria de tamaño fijo a partir de un flujo de datos potencialmente infinito con probabilidad uniforme.
Margen de Confianza
Medida de incertidumbre calculada como la diferencia entre las probabilidades de las dos clases más probables, utilizada para guiar la selección activa.
Detección de Novedad
Proceso de identificación de instancias o patrones significativamente diferentes de los datos previamente observados en el flujo, requiriendo atención especial.
Restricciones de Ancho de Banda
Limitaciones sobre el volumen de datos que pueden ser transmitidos o procesados simultáneamente, influyendo en las decisiones de selección en aprendizaje activo.
Estrategia de Parada Adaptativa
Mecanismo que determina dinámicamente cuándo dejar de solicitar etiquetas basándose en la evolución del rendimiento del modelo y el presupuesto restante.
Filtrado Colaborativo Activo
Aplicación del aprendizaje activo a sistemas de recomendación en flujo, donde las interacciones de usuario son muestreadas selectivamente para el aprendizaje.
Equilibrio Exploración-Explotación
Dilema fundamental que consiste en arbitrar entre la exploración de nuevas regiones del espacio y la explotación de conocimientos adquiridos en la selección activa.