An conjunto aberto in the context of inteligência artificial (AI) and aprendizado de máquina refers to a conceptual framework where the set of possible classes or categories is not fixed. This means that the model is designed to recognize not only the classes it was trained on, but also to identify new classes that may emerge after the training phase. Open sets are particularly important in applications where the environment is dynamic and constantly changing, such as in real-world classificação de imagens, detecção de anomalias, and processamento de linguagem natural.
Em cenários tradicionais de aprendizado de máquina, os modelos são normalmente treinados em um conjunto fechado de classes, o que significa que eles só podem classificar instâncias nessas categorias predefinidas. No entanto, em um cenário de conjunto aberto, um modelo deve possuir a capacidade de reconhecer quando uma entrada não pertence a nenhuma das classes conhecidas e sinalizá-la adequadamente. Isso é crucial para garantir que o sistema de IA possa se adaptar a novos dados não vistos sem um processo de re-treinamento completo.
O reconhecimento de conjunto aberto envolve técnicas como detecção de fora de distribuição, where the model is trained to distinguish between known and unknown classes effectively. This may involve using confidence scores or additional algorithms to determine whether a sample belongs to a known class or should be classified as unknown. The concept of open sets is gaining traction in various fields, including computer vision, where new objects may appear, and natural language processing, where new phrases or terms may emerge.