Pembelajaran dengan pengawasan mandiri (SSL) adalah bidang penelitian kecerdasan buatan yang berpusat pada pengembangan algoritme yang menggunakan data tak berlabel untuk pelatihan. Berbeda dengan pembelajaran yang diawasi, yang mana label diberikan pada sampel data, pembelajaran yang diawasi mandiri bergantung pada data itu sendiri untuk merancang proses pembelajaran. Jenis pembelajaran ini dipandang sebagai komponen kunci dalam menangani tugas-tugas AI yang kompleks.
SSL berupaya menangkap bias dan pola alami yang ditemukan dalam data, dengan menerapkan konteks yang berguna seperti posisi, waktu, atau warna. Misalnya, jaringan saraf yang dilatih pada gambar mungkin diminta untuk memprediksi posisi objek dalam pemandangan. Jenis tugas ini memungkinkan jaringan mempelajari dan memahami fitur dari gambar tanpa memerlukan label.
Meskipun pembelajaran dengan pengawasan mandiri dapat bermanfaat dalam hal penghematan biaya dan mengurangi proses pelabelan data, ada beberapa kendala dalam pendekatan ini. Salah satu masalah utamanya adalah SSL berfungsi paling baik dengan jumlah data yang cukup untuk pelatihan yang akurat. Selain itu, tugas-tugas yang diawasi sendiri memerlukan prior yang kuat yang meniru struktur label tugas pembelajaran yang diawasi.
Manfaat pembelajaran mandiri telah terlihat dalam berbagai tugas. Salah satu penerapan paling terkenal dari teknologi ini adalah penggunaan model bahasa untuk menghasilkan teks tanpa anotasi manusia. Aplikasi lain termasuk pemrosesan gambar, pemodelan molekul untuk penemuan obat, dan sistem robotika.
Pembelajaran dengan pengawasan mandiri dipandang sebagai alat penting untuk membangun sistem AI yang lebih efisien dan akurat. Hal ini berpotensi mengurangi jumlah data yang dianotasi manusia yang diperlukan dan merupakan cara efektif untuk menangani tugas-tugas kompleks.
