Resumen

En los últimos años, la inteligencia artificial apoyada en el big data se ha vuelto gradualmente más dependiente del aprendizaje de refuerzo profundo. Sin embargo, la aplicación del aprendizaje profundo por refuerzo en la inteligencia artificial está limitada por el conocimiento previo y la selección del modelo, lo que afecta aún más a la eficiencia y la precisión de la predicción, y tampoco logra realizar la capacidad de aprendizaje del aprendizaje autónomo y la predicción. El metalearning surgió por este motivo. Mediante el aprendizaje del metaconocimiento de la información, se puede formar la capacidad de juzgar y seleccionar de forma autónoma el modelo adecuado, y los parámetros se pueden ajustar de forma independiente para lograr una mayor optimización. Se trata de un método novedoso para resolver problemas de big data en el modelo actual de redes neuronales, y se adapta a la tendencia de desarrollo de la inteligencia artificial. Este artículo presenta brevemente el proceso de investigación y la teoría básica del metalearning y analiza las diferencias entre el metalearning y el aprendizaje automático, así como la dirección de la investigación del metalearning en big data. A continuación, se resumen cuatro aplicaciones típicas del metalearning en el campo de la inteligencia artificial: el aprendizaje de unos pocos, el aprendizaje de robots, el aprendizaje no supervisado y la medicina inteligente. A continuación, se analizan los retos y las soluciones del metalearning. Por último, se hace un resumen sistemático del texto completo y se evalúa la perspectiva de desarrollo futuro de este campo.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:inteligencia artificial, aprendizaje profundo por refuerzo, big data, modelo de red neuronal, problema de big data, precisión de la predicción, perspectiva de desarrollo futuro, metalearning, aprendizaje de robots, aplicación típica
• Keywords:artificial intelligence, deep reinforcement learning, big data, neural network model, big data problem, accuracy of prediction, future development prospect, metalearning, robot learning, typical application