Im Bereich der künstlichen Intelligenz bezeichnet lebenslanges Lernen die Fähigkeit einer Maschine, ihre Wissensbasis und Modelle durch den kontinuierlichen Empfang neuer Daten und Erfahrungen kontinuierlich zu aktualisieren und zu verbessern. Dieser Lernstil ahmt die Merkmale des menschlichen Lernens nach, nämlich die Fähigkeit, Probleme zu verstehen und zu lösen, durch kontinuierliches Lernen und Ansammeln von Erfahrungen im Laufe der Zeit schrittweise zu verbessern. In der künstlichen Intelligenz befasst sich das lebenslange Lernen insbesondere mit der Lösung von Problemen wie dem katastrophalen Vergessen, also dem Problem, neue Aufgaben zu erlernen, ohne das Gedächtnis und das Wissen über alte Aufgaben zu verlieren.

Das Konzept des lebenslangen Lernens wurde um 1995 von Thrun und Mitchell vorgeschlagen. Sie untersuchten hauptsächlich vier Forschungsrichtungen des lebenslangen Lernens im maschinellen Lernen: lebenslanges überwachtes Lernen, lebenslanges unüberwachtes Lernen, lebenslanges halbüberwachtes Lernen und lebenslanges bestärkendes Lernen. Darüber hinaus hat das Team um außerordentlichen Professor Fang Lu vom Institut für Elektrotechnik der Tsinghua-Universität eine Architektur für lebenslanges Lernen im Bereich intelligente optische Datenverarbeitung entwickelt, die die auf Einzelfunktionen beschränkten Beschränkungen optischer Netzwerke durchbricht und gehirnähnliches paralleles Multitasking-Lernen unterstützt.

Verweise

【1】Thrun S, Mitchell T M. Lebenslanges Roboterlernen. In: Steels L, Hrsg. Die Biologie und Technologie intelligenter autonomer Agenten. Berlin: Springer, 1995, 165–196