Pesquisa e desenvolvimento de técnicas de aprendizado de máquina contínuo

Abstract

No ciclo de vida de um modelo de aprendizado de máquina a atualização dos modelos criados se torna muito necessária, visto que novos dados podem estar sendo incluídos no decorrer do tempo. Porém, a técnica mais tradicional em aprendizado de máquina pressupõe um único momento de aprendizado. Isto é, dado um conjunto de dados de treinamento, executa-se um algoritmo de aprendizado de máquina no conjunto de dados para produzir um modelo que, embora possa resolver um determinado problema, com o decorrer do tempo e novos dados inseridos pode não ser mais assertivo. Um aprendizado de máquina que aprende continuamente, acumulando todo o conhecimento aprendido em momentos anteriores é importante para um ciclo de vida mais longo dos modelos implementados. O objetivo desta pesquisa é avaliar os principais métodos e técnicas focados em aprendizado contínuo, bem como, criar um sistema para dar suporte a aprendizado contínuo para sistemas de IA (Inteligência Artificial) voltados a processamento de linguagem natural aplicados a textos jurídicos.