A lifelong learning kihívásairól tartott előadást a RIKEN igazgatója
Masashi Sugiyama, a RIKEN Center for Advanced Intelligence Project igazgatója vitaindító előadást tartott a lifelong learning, vagyis az élethosszig tartó tanulás gépi tanulási rendszereit vizsgáló CoLLAs2026 konferencián. Előadásában három, a folyamatosan alkalmazkodó modellek szempontjából meghatározó problémakört foglalt egységes keretbe.
- Masashi Sugiyama, a RIKEN AIP igazgatója keynote előadást tartott a CoLLAs2026 konferencián.
- A rendezvény a gépi tanulási modellek alkalmazkodását és a lifelong learning kérdéseit vizsgálja.
- Az előadás a gyenge és zajos felügyeletből való tanulást is érintette.
- Sugiyama az eloszláseltolódások, valamint a stabilitás és plaszticitás egyensúlyát is bemutatta.
- A RIKEN közleménye szerint a megerősítéses tanulás ritka, zajos és nem stacionárius visszajelzésekkel is kihívást jelent.
A CoLLAs2026 konferencián szólalt fel Masashi Sugiyama
A RIKEN Center for Advanced Intelligence Project szeptember 29-én számolt be arról, hogy központjának igazgatója, Masashi Sugiyama vitaindító előadást tartott a Lifelong Learning Agents ötödik konferenciáján, a CoLLAs2026-on.
A CoLLAs éves rendezvény, amelyen kutatók cserélnek eszmét a gépi tanulási modellek alkalmazkodásának különböző kérdéseiről. A középpontban különösen az élethosszig tartó tanulás képessége áll, de a konferencia témái ennél szélesebb kört is lefednek.
Az élethosszig tartó tanulás kutatásában olyan modelleket vizsgálnak, amelyeknek egymást követő helyzetekből kell tanulniuk, miközben a korábban megszerzett tudásukat is kezelniük kell. A RIKEN közleménye szerint Sugiyama előadása a terület több alapvető kihívását kapcsolta össze.
Három központi kihívás került egy keretbe
Sugiyama egységes nézőpontból mutatta be a gépi tanulási rendszerek alkalmazkodásának kulcsproblémáit. Az első a gyenge és zajos felügyeletből való tanulás. Ilyenkor a modellek tanításához használt jelzések korlátozottak, pontatlanok vagy zajjal terheltek lehetnek.
A második terület az eloszláseltolódásokhoz való alkalmazkodás. Ez azt jelenti, hogy a modellnek akkor is kezelnie kell a változásokat, amikor a későbbi adatok eltérnek azoktól, amelyekből korábban tanult. Ezzel párhuzamosan egyensúlyt kell teremteni a stabilitás és a plaszticitás között.
A stabilitás a korábban megszerzett tudás megőrzéséhez, a plaszticitás pedig az új információk befogadásához kapcsolódik. A két szempont együttes kezelése azért jelenik meg a lifelong learning egyik fő kérdéseként, mert a folyamatos tanulás során a rendszernek egyszerre kell megőriznie és módosítania tudását.
A harmadik kihívást a megerősítéses tanulás jelentette ritka, zajos és nem stacionárius visszajelzések mellett. Ebben a helyzetben a tanulási rendszer kevés, bizonytalan vagy idővel változó jelzésekből próbálja meghatározni, milyen döntések vezetnek jobb eredményhez.
A RIKEN kutatói korábban is szerepeltek a konferencián
A RIKEN AIP közlése szerint a CoLLAs korábbi programjaiban is szerepeltek a központ kutatói vitaindító előadóként. A CoLLAs2024 rendezvényen Emtiyaz Khan, az Adaptive Bayesian Intelligence Team csapatigazgatója tartott keynote előadást.
A közlemény a CoLLAs2026 programjának második napjára, valamint a CoLLAs2024 azonos programnapjára mutató hivatkozásokat is megadta. A mostani előadás témái alapján a RIKEN részvétele a gépi tanulási modellek tartós alkalmazkodásának és folyamatos tanulásának kutatási kérdéseire irányult.
A bejelentés nem ismertetett új modellt, kísérleti eredményeket vagy termékbejelentést. A felhasználók számára a hír közvetlen változást nem jelent, a kutatási terület szempontjából viszont jelzi, hogy a konferencia a zajos adatokból, változó környezetből és hiányos visszajelzésekből való tanulás problémáit egyaránt vizsgálja.
