L'apprentissage auto-supervisé (SSL) est un domaine de recherche en intelligence artificielle centré sur le développement d'algorithmes utilisant des données non étiquetées pour la formation. Contrairement à l’apprentissage supervisé, dans lequel des étiquettes sont attribuées aux échantillons de données, l’apprentissage auto-supervisé s’appuie sur les données elles-mêmes pour concevoir le processus d’apprentissage. Ce type d’apprentissage est considéré comme un élément clé pour aborder des tâches complexes d’IA.
SSL tente de capturer les biais et modèles naturels trouvés dans les données, en appliquant un contexte utile tel que la position, l'heure ou la couleur. Par exemple, il pourrait être demandé à un réseau de neurones entraîné sur des images de prédire la position des objets dans la scène. Ces types de tâches permettent au réseau d'apprendre et de comprendre les caractéristiques des images sans nécessiter d'étiquettes.
Bien que l’apprentissage auto-supervisé puisse être bénéfique en termes de réduction des coûts et de réduction des processus impliqués dans l’étiquetage des données, cette approche présente certaines réserves. L’un des problèmes majeurs est que SSL fonctionne mieux avec de grandes quantités de données sur lesquelles s’appuyer pour une formation précise. De plus, les tâches auto-supervisées nécessitent des priorités fortes qui imitent la structure d’étiquettes d’une tâche d’apprentissage supervisé.
Les avantages de l’apprentissage autosupervisé ont été constatés dans diverses tâches. L'une des applications les plus connues de cette technologie consiste à utiliser des modèles de langage pour générer du texte sans annotation humaine. D'autres applications incluent le traitement d'images, la modélisation de molécules pour la découverte de médicaments et les systèmes robotiques.
L’apprentissage auto-supervisé est considéré comme un outil important pour créer des systèmes d’IA plus efficaces et plus précis. Il a le potentiel de réduire la quantité de données annotées par l’homme nécessaires et constitue un moyen efficace d’aborder des tâches complexes.
