هو طريقة لتدريب أنظمة الذكاء الاصطناعي، حيث تتم إضافة البيانات الجديدة بشكل تدريجي إلى مجموعة بيانات موجودة مسبقاً وإعادة تدريب نظام الذكاء الاصطناعي على مجموعة البيانات الجديدة، ما يسمح بتحسين أداء النظام مع مرور الوقت.
تعود أهمية التعلم التدريجي في مساعدته على تجنب فرط الملاءمة، حيث تتم إعادة تدريب النموذج باستمرار على البيانات الجديدة، ويكون مفيداً في التطبيقات التي تتغير فيها البيانات باستمرار، مثل التنبؤ بسوق الأسهم أو التنبؤ بالطقس.
يوجد العديد من المزايا التي تجعل من التعلم التدريجي الخيار الأمثل عند البدء بتطوير أنظمة الذكاء الاصطناعي:
لا يخلو التعلم التدريجي من مواجهة التحديات، إذ تظهر فيه ظاهرة شائعة وهي نسيان المعرفة المكتسبة سابقاً عند اكتساب المعرفة الجديدة.
من جانبٍ آخر، تعد الحاجة إلى تصميم دقيق لبيانات التدريب من أجل تجنب التحيز والتأكد من أن نظام الذكاء الاصطناعي قادر على التعميم من البيانات المقدمة تحدياً يجب التوقف عنده لمراعاة أخلاقيات الذكاء الاصطناعي.
