Se pretende introducir el concepto de lifelong learning (o aprendizaje continuo) y su aplicación al campo de visión por computador. La manera mas común para entrenar una red neuronal es considerando que disponemos de todos los datos necesarios desde el principio. Pero en caso de problemas reales, esto no es el escenario adecuado. Por ejemplo, si consideramos el caso de un robot que tiene que explorar continuamente sitios nuevos o de vídeo-vigilancia, donde la representación de una persona se debe actualizar para hacer mas robusta su identificación, la red neuronal tiene que re-entrenarse para acomodar esta nueva información. En otras palabras, se requiere otra estrategia de entrenamiento que se designa como ‘aprendizaje secuencial’. Pero un problema reconocido asociado con este paradigma se refiere al ‘olvido catastrófico’, es decir la red neuronal tiende a olvidar el conocimiento previo cuando se re-entrena con datos nuevos. Hablaremos sobre varios métodos de aprendizaje continuo que no están sujetos al efecto de ‘olvido catastrófico’.