AI必须会“持续学习”，可以来这里学习

人类具有从经验中不断学习的能力。我们不仅可以将以前学到的知识和技能应用到新的情况中，还可以将这些作为以后学习的基础。人工智能的宏伟目标之一是构建能够「持续学习」的 Agent，也就是说，让 AI 自动的积累日益复杂的知识和技能，从他们自己的经验中构建对世界的复杂理解。

持续学习英文是 continual learning，在某些论文中也被称作 incremental learning 或者 lifelong learning。它所研究的是从不断变化的数据中进行学习的问题，其目的是逐渐扩充知识，并将其用于未来的学习中。

在持续学习中，数据的变化通常以「新任务」的形式出现。在每个新任务中，数据的不同可以体现在出现新的领域（domain），比如原任务是识别打印体的数字，而在新任务中变成手写体识别；或者出现新的类别（class），比如原任务中是识别数字1、2，而新任务中增加了两个类3、4；或者是新领域和新类别的混合，比如原任务是识别A类型打印机的心脏造影，新任务中同时增加B类型打印机（new domain）的肺部造影（new task）。

这类学习的一个关键特征是任务数据的序列特性（sequential nature）：在某一时刻只有一个任务或部分数据可获得，因此 AI 需要学会如何记忆已经习得的原有知识。持续学习的主要挑战是灾难性遗忘（catastrophic forgetting）：当新任务被学习时过去获得的知识被遗忘，亦即之前任务的表现不如以往。持续学习所要解决的最核心问题是模型的可塑性（即获得新知识的能力）和稳定性（保持原有知识的能力）的平衡。

10月28日19:00，机器之心最新一期分享邀请到新加坡科技研究局AI研究员黄佳，详解AI中的持续学习。

分享主题：AI中的持续学习

嘉宾介绍：黄佳，新加坡科技研究局AI研究员，曾出版《数据分析咖哥十话》《零基础学机器学习》等多部受读者好评的 IT 书籍。深耕数据科学领域多年，积累了丰富的科研项目和政府、银行、能源、医疗等领域AI项目落地实战经验。

分享概要：AI中的持续学习（Continual Learning/Lifelong Learning）研究的是从不断变化的场景中学习的问题，其主要挑战是在扩充知识的同时避免旧知识的灾难性遗忘。我们将介绍持续学习的问题定义、研究方法及面临的挑战。同时也将简要介绍分享嘉宾的新书《数据分析咖哥十话》，用机器学习方法解决业务运营问题。