Il est hautement improbable qu'il existe un seul système de classification automatisé qui pourrait faire tout ce que vous demandez. De plus, je crois que l'application de recherche d'erreurs ne fait pas partie d'un tel système puisque les méthodes utilisées dans ce domaine tournent en grande partie autour de l'analyse syntaxique, l'analyse de flux de données et d'autres méthodes algorithmiques. Bien que la recherche sur l'apprentissage automatique y soit effectuée, les systèmes de classification dans ce domaine sont principalement utilisés pour augmenter plutôt que remplacer les méthodes analytiques (pour autant que je sache).
Pour la plupart des problèmes de classification non triviaux, une sélection minutieuse et un affinement de la représentation du problème sont généralement requis afin d'obtenir des résultats utiles et efficaces via l'apprentissage automatique. Le simple fait d'utiliser le modèle d'objet de données "brut" existant sans une sorte de transformation sur mesure de l'espace d'états tend à entraîner une couverture incomplète de la distribution des valeurs de données d'entrée et/ou une mauvaise généralisation des classificateurs appris. De plus, d'autres paramètres spécifiques à la méthode d'apprentissage automatique utilisée peuvent nécessiter un ajustement par tâtonnement pour obtenir des résultats décents pour un problème donné. Toutes les méthodes n'ont pas de tels paramètres, mais beaucoup le font, comme les réseaux neuronaux, les algorithmes génétiques, les méthodes d'inférence bayésienne, etc.
Ce que vous demandez est une méthode d'apprentissage quasi universelle, ce qui n'est pas quelque chose qui existe actuellement. Les alternatives les plus viables que je puisse voir seraient de (1) trouver un sous-ensemble de problèmes différents pour lesquels ce niveau ne serait pas le niveau de capacité/sophistication requis, ou (2) créer un système qui utilise non seulement une technique de classification mais dispose d'une boîte à outils de différentes méthodes qu'il teste automatiquement par rapport à un problème donné, puis utilise celle qui génère les meilleurs résultats de classification sous un régime d'apprentissage superviseur. Ce dernier serait tout de même un défi à relever efficacement, et cela n'élimine pas le problème de la représentation/transformation de l'espace d'état pour le modèle de données.
BTW: Je ne serais pas du tout surpris si aucune bonne solution n'existe. – BCS