持続的学習：モデル単体からシステム全体へのパラダイムシフト

従来の持続的学習（CL）は、モデルのパラメータ更新に焦点を当ててきました。しかし、最近の進展により、CLのスコープはモデル適応を超え、システム全体での学習と適応へと移行しています。本稿では、この変革を「いつ、どのように、どこで」学習が発生するかという三つの次元から分析し、その本質と今後の展望を解説します。