Multitask Learning

Multitask Learning (MTL) je paradigmatický prístup v strojovom učení, kde sa model trénuje súčasne na viacerých súvisiacich úlohách, pričom si medzi nimi zdieľa reprezentácie s cieľom zlepšiť generalizáciu. MTL, formálne predstavený Richom Caruanom v roku 1997, vychádza z intuície, že pomocné úlohy pôsobia ako induktívny predpoklad (inductive bias), poskytujúc dodatočné signály dohľadu, ktoré pomáhajú zdieľaným vrstvám naučiť sa bohatšie, robustnejšie reprezentácie príznakov, než by poskytlo trénovanie na jednej úlohe.