El aprendizaje continuo busca que un modelo pueda incorporar conocimiento nuevo de forma incremental, a medida que aparecen nuevos datos o tareas, sin necesitar reentrenarse completamente desde cero cada vez, y sin deteriorar significativamente su desempeño en tareas aprendidas anteriormente.
Por qué es un problema todavía abierto
La mayoría de los modelos actuales se entrenan una vez sobre un conjunto de datos fijo; hacerlos aprender de forma continua sin sufrir olvido catastrófico —perder capacidades previas al aprender algo nuevo— sigue siendo un desafío técnico activo de investigación.