Glossar · AIZuletzt aktualisiert: 8. Juni 2026

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.

Analogie: Es ist so, als ob ein Student nach seinem Universitätsabschluss Kurse für seine berufliche Weiterentwicklung besucht und sich neues Wissen aneignet, aber die grundlegenden Informationen, die er zuvor gelernt hat, nicht vergisst.

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.