Aprendizaje multitarea

El aprendizaje multitarea (MTL, por sus siglas en inglés, Multitask Learning) es un paradigma de aprendizaje automático en el que un modelo se entrena simultáneamente en múltiples tareas relacionadas, compartiendo representaciones entre ellas para mejorar la generalización. Introducido formalmente por Rich Caruana en 1997, el MTL se basa en la intuición de que las tareas auxiliares actúan como un sesgo inductivo, proporcionando señales de supervisión adicionales que ayudan a las capas compartidas a aprender representaciones de características más ricas y robustas de lo que el entrenamiento de una sola tarea podría producir.