Aprendizaje proactivo

El aprendizaje proactivo ^{[ 1 ]} es una generalización del aprendizaje activo diseñada para relajar supuestos poco realistas y así alcanzar aplicaciones prácticas.

En la vida real, es posible y más común tener múltiples fuentes de información con diferentes niveles de fiabilidad o áreas de especialización. El aprendizaje activo también presupone que el único oráculo es perfecto y siempre proporciona una respuesta correcta cuando se le solicita. Sin embargo, en realidad, un «oráculo» (si generalizamos el término para referirnos a cualquier fuente de información experta) puede equivocarse (ser falible) con una probabilidad que debería depender de la dificultad de la pregunta. Además, un oráculo puede ser reacio: puede negarse a responder si tiene demasiada incertidumbre o está demasiado ocupado. Finalmente, el aprendizaje activo presupone que el oráculo es gratuito o cobra un coste uniforme por la obtención de etiquetas. Esta suposición es ingenua, ya que es probable que el coste esté regulado por la dificultad (cantidad de trabajo necesario para formular una respuesta) u otros factores. ^{[ 1 ]}

El aprendizaje proactivo relaja estas cuatro suposiciones, basándose en un enfoque de teoría de la decisión para seleccionar conjuntamente el oráculo y la instancia óptimos, al plantear el problema como un problema de optimización de utilidad sujeto a una restricción presupuestaria .