Dit artikel is onderdeel van de AI Woordenlijst op De Wereld van AI. Daar vind je een overzicht van alle belangrijke AI-begrippen.
Self-supervised learning is een manier waarop kunstmatige intelligentie leert zonder handmatig gelabelde data. Het systeem maakt zijn eigen leerdoelen op basis van de beschikbare data en leert zo onderliggende patronen herkennen.
Uitleg van het begrip in begrijpelijke taal
Bij self-supervised learning krijgt een AI geen vooraf gegeven juiste antwoorden van mensen. In plaats daarvan haalt het systeem die antwoorden uit de data zelf. Het model leert bijvoorbeeld ontbrekende delen voorspellen of verbanden herkennen, waardoor het toch kennis opbouwt zonder expliciete labels.
Hoe het werkt of hoe het wordt toegepast
Het systeem zet de data om in een leerprobleem. Een deel van de informatie wordt verborgen of aangepast en het model moet voorspellen wat ontbreekt. Door dit steeds te herhalen leert het model algemene structuren in de data. Deze aanpak wordt vaak gebruikt als voorbereidende stap, waarna het model later met weinig gelabelde data verder wordt verfijnd.
Praktisch voorbeeld of toepassingen
Bij taalmodellen leert een systeem woorden voorspellen op basis van de omliggende tekst. In beeldherkenning kan een model leren door delen van een afbeelding te reconstrueren. Self-supervised learning wordt veel gebruikt bij grote datasets, zoals tekst, audio en beelden, waar handmatig labelen te duur of te traag is.
Verder leren
Wil je begrijpen waarom moderne AI-modellen eerst zelfstandig leren en daarna pas worden verfijnd, dan sluit mijn gratis AI basiscursus hier goed op aan.
DE WERELD VAN AI 