OpenCML: End-to-End-Framework für Open-World-ML – Neue Klassen schrittweise lernen

OpenCML ist ein neu entwickeltes End-to-End-Framework, das Open‑World‑Maschinelles Lernen in einer kontinuierlichen Umgebung ermöglicht. Es erlaubt Systemen, unbekannte Klassen zu entdecken und anschließend schrittweise zu lernen.

Traditionelle Modelle arbeiten meist nach geschlossenen Weltannahmen, was die Beibehaltung von Wissen für zukünftige Aufgaben erschwert. OpenCML löst dieses Problem, indem es kontinuierliches Lernen unterstützt und die Modelle flexibel an neue Informationen anpassen lässt.

Das Framework besteht aus zwei miteinander verknüpften Aufgaben: Zunächst werden unbekannte Klassen im Datensatz identifiziert und neue Klassen erstellt. Danach wird das Modell für jede neue Klasse inkrementell trainiert, sodass es sukzessive sein Wissen erweitert.

In Vergleich zu bestehenden Ansätzen erzielte OpenCML die höchste durchschnittliche Genauigkeit von 82,54 % über vier Iterationen und eine Mindestgenauigkeit von 65,87 %. Diese Ergebnisse zeigen, dass das System sowohl im Open‑World‑ als auch im kontinuierlichen Lernmodus überlegen ist.

OpenCML eröffnet damit neue Möglichkeiten für autonome Intelligenzsysteme, die ständig neue Konzepte aufnehmen und ihr Wissen kontinuierlich erweitern können.