LIHLITH presenta un nuevo marco de aprendizaje permanente (lifelong learning en inglés) para la interacción entre personas y máquinas en dominios específicos, con el objetivo de mejorar la calidad de los sistemas de diálogo existentes y reducir el coste de implementación para nuevos dominios.

Un sistema de aprendizaje permanente es capaz de aprender diferentes tareas de forma secuencial, y a lo largo del tiempo aumenta su capacidad para resolver tareas en base a experiencias anteriores. LIHLITH se centrará en el diálogo persona-ordenador e irá aprendiendo de diálogos anteriores para interactuar mejor, en función del éxito (o fracaso) de las interacciones anteriores. La idea clave es que el diálogo se diseñará para producir una recompensa, lo que permitirá al sistema de diálogo saber si la interacción fue exitosa o no. Esta recompensa se utilizará para entrenar el módulo de gestión de diálogo y sistemas para dominios diferentes. Esto hará posible, por un lado, la mejora en el rendimiento, y por otro lado, la reducción del coste de desarrollo, no solo en un dominio concreto, sino también al transferir a nuevos dominios.

El proyecto LIHLITH también desarrollará y distribuirá protocolos de evaluación y pruebas de rendimiento (benchmarks) para permitir la comparación y reproducibilidad pública en el futuro.

Página web: http://ixa2.si.ehu.es/lihlith
Organización:  Ministerio de Economía, Industria y Competitividad (Chistera)
Investigador principal: Eneko Agirre
Participantes:  Basi Sierra
Eneko Agirre, Jon Ander Campos, Josu Goikoetxea, Oier López de Lacalle , Arantxa Otegi, Olatz Perez de Viñaspre, German Rigau , Ander Salaberria