چکيده
توسعه علم هوش‌مصنوعي و يادگيري ماشين منجر به بالا رفتن پيچيدگي مسائل مطرح شده در اين حوزه و تعريف مسائل جديد شده است كه در ميان مسائل جديد، مسائل پيچيده به وفور يافت مي‌شود. افزايش پيچيدگي مي‌تواند نياز به توان محاسباتي يا نياز به داده آموزشي باشد. توان محاسباتي يك سيستم كامپيوتري محدود است و فراهم آوردن دادگان آموزشي كار آساني نيست و عمدتاً منجر به صرف هزينه بالا و يا انجام آزمايشات سخت خواهد شد. علاوه بر اين، جمع‌آوري دادگان آموزشي نيازمند ناظري (يا ناظراني) خبره جهت برچسب‌گذاري اين دادگان است. لذا جمع‌آوري دادگان جديد و افزايش توان محاسباتي، خود چالشي بزرگ براي مسائل پيش‌روي حوزه هوش‌مصنوعي و يادگيري ماشين مي‌باشد. مي‌دانيم، هر عامل هوشمند، در پروسه آموزش، شامل يك الگوريتم يادگيرنده و مجموعه دادگان آموزشي بوده است. علاوه بر اين، از حيث فراواني مسائل حوزه هوش‌مصنوعي و تفكيك اين مسائل به زيرشاخه‌هاي مختلف اعم از پردازش تصوير، پردازش صوت، پردازش زبان طبيعي و...، در هريك از اين زير شاخه‌ها، وجود شباهت بين مسائل مطرح شده كتمان ناپذير است. بنابراين، مي‌توان از اين شباهت استفاده كرد و به جاي حل مستقل هريك از اين مسائل، از حل يك يا چند عدد از اين مسائل در حل ساير مسائل بهره گرفت.
