iCaRL: インクリメンタル分類器および表現学習

人工知能の実現に向けた主要な未解決問題の一つは、データストリームから徐々に多くの概念を学習する増分学習システムの開発です。本研究では、クラス増分的な学習を可能にする新しい訓練戦略であるiCaRL（Incremental Classifier and Representation Learning）を提案します。この方法では、一度に少数のクラスの訓練データのみが必要であり、新しいクラスを逐次的に追加することができます。iCaRLは強力な分類器とデータ表現を同時に学習します。これは、従来の方法が固定されたデータ表現に限定され、深層学習アーキテクチャと互換性がないという根本的な制限があった点と明確に区別されます。CIFAR-100およびImageNet ILSVRC 2012データを使用した実験により、iCaRLが他の戦略が急速に失敗する中でも長期間にわたって多くのクラスを増分的に学習できることが示されています。