Dizionario AI › Fondamenti AI
Self-Supervised Learning
L'apprendimento auto-supervisionato è un approccio di addestramento in cui il modello genera i propri segnali di supervisione a partire dai dati stessi, senza bisogno di etichette create manualmente da persone. Il compito di addestramento viene costruito nascondendo o alterando una parte dei dati e chiedendo al modello di prevederla, usando il resto dei dati come contesto.
Un esempio tipico è mascherare alcune parole di un testo e addestrare il modello a prevederle a partire dalle parole circostanti, oppure addestrarlo a prevedere la parola successiva data una sequenza di testo. In questo modo si sfrutta la struttura intrinseca dei dati stessi come fonte di supervisione, senza dover raccogliere annotazioni esterne.
È l'approccio alla base del pre-addestramento della maggior parte dei moderni modelli linguistici di grandi dimensioni, che imparano da enormi quantità di testo non etichettato reperito da fonti diverse. Viene utilizzato anche in ambiti come la visione artificiale, per apprendere rappresentazioni utili da immagini o video senza etichette manuali.
È diventato centrale nell'addestramento dei modelli su larga scala perché permette di sfruttare enormi quantità di dati disponibili senza il costo dell'etichettatura manuale, richiesta invece dall'apprendimento supervisionato tradizionale.
Dalla nostra rete
Magellano GPS: Fleet Tracking Made Simple
Real-time GPS tracking, remote engine lock, fuel and CO₂ reporting for your fleet.
Vai su magellanogps.com →Dal blog di Agora Intelligence
📱 Scarica l'app Android (beta) iOS in arrivo
Dì quello che intendi. Ottieni quello che ti serve.
Grace Certified, la coach AI che allena e certifica il tuo prompt engineering, di Agora Intelligence.