Multitask Learning

Multitask Learning (MTL) er et rammeverk innen maskinlæring der en modell trenes samtidig på flere relaterte oppgaver, ved å dele representasjoner på tvers av disse for å forbedre generalisering. MTL, som formelt ble introdusert av Rich Caruana i 1997, bygger på intuisjonen om at hjelpeoppgaver fungerer som en induktiv bias, og gir ekstra overvåkingssignaler som hjelper de delte lagene med å lære rikere, mer robuste trekkrepresentasjoner enn det enkelte oppgavetrening ville gitt.