Multitask-Lernen

Multitask Learning (MTL) ist ein Paradigma des maschinellen Lernens, bei dem ein Modell gleichzeitig auf mehreren verwandten Aufgaben trainiert wird, wobei Repräsentationen über diese hinweg geteilt werden, um die Generalisierung zu verbessern. Formal 1997 von Rich Caruana eingeführt, basiert MTL auf der Intuition, dass Hilfsaufgaben als induktive Voreingenommenheit (inductive bias) wirken und zusätzliche Überwachungssignale liefern, die den gemeinsamen Schichten helfen, reichhaltigere, robustere Merkmalsrepräsentationen zu lernen, als es das Training einzelner Aufgaben ergeben würde.