Pembelajaran Multitugas

Pembelajaran Multitugas (MTL) adalah paradigma pembelajaran mesin di mana sebuah model dilatih secara bersamaan pada beberapa tugas terkait, berbagi representasi di antaranya untuk meningkatkan generalisasi. Diperkenalkan secara formal oleh Rich Caruana pada tahun 1997, MTL didasarkan pada intuisi bahwa tugas tambahan bertindak sebagai bias induktif, memberikan sinyal supervisi ekstra yang membantu lapisan bersama mempelajari representasi fitur yang lebih kaya dan lebih kuat daripada yang dihasilkan oleh pelatihan tugas tunggal.