folyamatos tanulás (CL)
angolul: continual learning
Olyan gépi tanulás, amelyben a modell nem egyszerre, hanem egymás után érkező adatokból, lépésről lépésre tanul új dolgokat, és közben lehetőleg nem felejti el, amit korábban tudott.
Érthetően
A mai MI-modellek többsége úgy működik, mint egy diák, aki egyszer letette az érettségit, és azóta egyetlen új könyvet sem nyitott ki. A tanítás egy adott napon lezárul, és a modell tudása onnantól nem változik. A folyamatos tanulás ezen változtatna: a modell menet közben is tanulna, ahogy te is tanulsz a munkádban.
A nehézséget az okozza, hogy a neurális hálók hajlamosak felülírni a régi tudást az újjal. Olyan ez, mintha valaki megtanulna spanyolul, és közben kiesne a fejéből az angol. Ezt hívják katasztrofális felejtésnek, és a folyamatos tanulás kutatása nagyrészt ennek a megoldásáról szól.
Azért fontos, mert a világ változik: új szavak, új termékek, új szabályok, új csalási módszerek jelennek meg. Egy folyamatosan tanuló rendszert nem kellene időről időre drágán, elölről újratanítani, és a te szokásaidhoz is igazodni tudna.
Hogyan működik
- A modell nem egyszerre kapja meg az összes adatot, hanem egymás után, adagokban vagy feladatonként, ahogy az új információ megérkezik.
- Minden új adagnál módosítja a belső beállításait (súlyait), de valamilyen védelem gondoskodik arról, hogy a régi tudás ne sérüljön.
- Az egyik védelem az ismétlés: a rendszer eltesz egy kis mintát a régi példákból, és az új anyag mellett ezeket is újra átveszi.
- A másik a rögzítés: a régi feladatok szempontjából legfontosabb beállításokat a rendszer csak nagyon kis mértékben engedi megváltozni.
- A harmadik a bővítés: az új tudás külön kis modulba kerül, a meglévő rész pedig érintetlen marad.
Példa a mindennapokból
Egy gyár kamerás hibafelismerő rendszere eddig háromféle gyártási hibát ismert. Amikor új termék és vele új hibatípus jelenik meg, a rendszert nem tanítják újra elölről: csak az új példákat kapja meg, néhány régivel együtt, hogy a korábbi hibákat se felejtse el. Hétköznapi, egyszerűbb rokona ennek a telefonod billentyűzete, amely fokozatosan megtanulja a gyakran használt neveidet és kifejezéseidet.
Kit érint
Gyakori félreértés
Korlátok és kockázatok
- A katasztrofális felejtést egyik ismert módszer sem szünteti meg teljesen, csak mérsékli.
- Egy menet közben tanuló rendszer a hibás, elfogult vagy szándékosan megtévesztő adatokat is megtanulhatja, és ezt nehéz utólag visszacsinálni.
- Ha a modell folyamatosan változik, nehezebb ellenőrizni és tanúsítani, hiszen a tegnap letesztelt rendszer ma már nem ugyanaz.
- Ha a rendszer a te adataidból tanul, adatvédelmi kérdés, hogy mit őriz meg, és ki lehet-e belőle törölni.
Hasonló, de nem ugyanaz
- finomhangolás – A finomhangolás jellemzően egyszeri, lezárt utótanítás egy adott feladatra. A folyamatos tanulás viszont nyitott végű sorozat, amelyben a régi tudás megőrzése is cél.
- visszakereséssel bővített generálás (RAG) – A RAG-nál a modell nem tanul semmit, csak friss dokumentumokból puskázik, míg a folyamatos tanulásnál maga a modell változik meg.
- memória (AI-asszisztensnél) – Az asszisztens memóriája elmentett jegyzet, amelyet a rendszer később újra a modell elé tesz, vagyis a modell tudása ettől nem bővül.
Kapcsolódó fogalmak
inkrementális tanulás
katasztrofális felejtés, online tanulás, finomhangolás, transzfertanulás, visszakereséssel bővített generálás, tudáshatár, AI-agent memóriája
Röviden a története
A katasztrofális felejtés jelenségét Michael McCloskey és Neal Cohen írta le 1989-ben. A terület 2017-ben kapott új lendületet, amikor a DeepMind kutatói közzétették a súlyok rugalmas rögzítésén alapuló (EWC) módszerüket.
Hol tart most
2026 végén a nagy nyelvi modellek továbbra is rögzített tudással működnek, a frissességet kereséssel, memóriafunkciókkal és időszakos újratanítással pótolják. A valódi, súlyokat frissítő folyamatos tanulás aktív kutatási terület, a gyakorlatban főleg szűkebb feladatokra szabott rendszerekben fordul elő.
A hírekben
- A gyerekek kimaradnak az orvosi AI-ból, új módszer segíthet2026. okt. 12. · Egészség
Más nevei
folyamatos tanulás · folytonos tanulás · élethosszig tartó gépi tanulás · inkrementális tanulás · continual learning · continuous learning · lifelong learning · incremental learning
Források
- Kirkpatrick et al.: Overcoming catastrophic forgetting in neural networks (2017)
- Parisi et al.: Continual Lifelong Learning with Neural Networks: A Review
A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.