# Was ist Continual Learning?

Es ist die Fähigkeit der künstlichen Intelligenz, ständig auf dem neuesten Stand zu bleiben, ohne alte Informationen zu vergessen und gleichzeitig neue Informationen zu lernen.

## Definition
Normalerweise frieren Modelle der künstlichen Intelligenz ihr Wissen ein, sobald sie trainiert werden. Durch kontinuierliches Lernen kann sich das Modell selbst aktualisieren, wenn es in einer Live-Umgebung auf neue Daten trifft, ohne alte Daten zu löschen oder zu vermischen. Dies ähnelt der Art und Weise, wie Menschen nach dem Schulabschluss ein Leben lang weiterlernen.

## So funktioniert es
Während das System neu eingehende Daten in den bestehenden Informationspool integriert, nutzt es spezielle Kontrollmechanismen, die verhindern, dass alte Informationen überschrieben werden.

## Wo es eingesetzt wird
Es wird in Marktprognosesystemen, Empfehlungsmaschinen, die sich je nach Benutzerpräferenzen ändern, und Robotern verwendet, die unter sich ständig ändernden Umgebungsbedingungen arbeiten.

## Häufig verwechselt mit
Es kann mit Feinabstimmung verwechselt werden, aber Feinabstimmung ist normalerweise eine einmalige Aktualisierung, während kontinuierliches Lernen ein kontinuierlicher Prozess ist.

## Häufige Fragen
**Warum vergisst das Modell alte Informationen?**
Wenn neue Daten alte Daten überschreiben, „vergisst“ die künstliche Intelligenz, was sie zuvor gelernt hat, oder es kommt zu einer Situation, die als „katastrophales Vergessen“ bezeichnet wird.

**Ist diese Methode für jedes Modell gültig?**
Nein, es erfordert eine spezielle Architektur und einen konstanten Datenfluss.


## Verwandte Begriffe
- [Continuous Learning](/de/dictionary/continuous-learning/)
- [Machine Learning](/de/dictionary/machine-learning/)

---
Quelle: TreScout Glossar · https://trescout.com/de/dictionary/continual-learning/