انسان و حیوان این توانایی را دارند که به طور مداوم دانش و مهارت ها را در طول عمر خود بدست بیاورند ، آن را بهبود ببخشند و به دیگران منتقل کنند . به این توانایی ، یادگیری مداوم یا مدام العمر می گویند . یادگیری مداوم توسط مجموعه ای غنی از مکانیسم های عصبی شناختی که با هم به توسعه و تخصص مهارت های حسی و حرکتی و همچنین بازیابی و تقویت حافظه طولانی مدت است، حاصل می شود . بنابراین، قابلیت یادگیری مداوم برای سیستم های یادگیری محاسباتی و عوامل مستقل که در دنیای واقعی تعامل دارند و پیوسته جریان اطلاعات را پردازش می کنند ، بسیار مهم است .
یادگیری مداوم Continual Learning مفهومی برای یادگیری الگوی مداوم در تعداد زیادی از وظایف به صورت متوالی و بدون فراموش کردن دانش به دست آمده از وظایف قبلی است ، جایی که داده های وظایف قبلی در حین آموزش کارهای جدید دیگر در دسترس نیست . از آنجا هدف یادگیری عمیق از بین بردن فاصله بین هوش انسان و ماشین است نیاز به عواملی که خود را با محیط های در حال توسعه پیوسته سازگار کند بیشتر از گذشته در حال افزایش است . دو کارگاه در (ICML) International Conference on Machine Learning سال 2020 برگزار شد که مربوط به یادگیری مستمر و مادام العمر continual and lifelong learning بود . یادگیری مداوم چالش قدیمی برای یادگیری ماشین و مدل های شبکه عصبی است .
تعداد مدارک علمی منتشر شده با موضوع یادگیری مداوم در پایگاه اسکوپوس برابر با 659 است ، نمودار روند تعداد مدارک علمی مرتبط با یادگیری مداوم نشان می دهد توجه به این حوزه رو به افزایش است و مدارک علمی زیادی در این حوزه نگارش می شود .
بینگ لیو Bing Liu ، پرفسور آمریکایی چینی در حوزه علوم کامپیوتر است که تخصص او در حوزه داده کاوی ، یادگیری ماشین ، تحلیل احساس ، کاوش وب و و پردازش زبان طبیعی است . او محقق اول بر اساس تعداد استنادات در حوزه تحلیل احساس گوگل اسکالر است . در فیلم زیر بینگ لیو به معرفی یادگیری مداوم در پردازش زبان طبیعی می پردازد.
منبع:
[1] G. I. Parisi, R. Kemker, J. L. Part, C. Kanan, and S. Wermter, "Continual lifelong learning with neural networks: A review," Neural Networks, vol. 113, pp. 54-71, 2019/05/01/ 2019, doi: https://doi.org/10.1016/j.neunet.2019.01.012.