Kendi kendini denetleyen öğrenme (SSL), eğitim için etiketlenmemiş verileri kullanan algoritmaların geliştirilmesine odaklanan bir yapay zeka araştırma alanıdır. Veri örneklerine etiketlerin sağlandığı denetimli öğrenmenin aksine, kendi kendini denetleyen öğrenme, öğrenme sürecini tasarlamak için verilerin kendisine dayanır. Bu tür öğrenme, karmaşık yapay zeka görevlerinin üstesinden gelmede önemli bir bileşen olarak görülüyor.
SSL, konum, zaman veya renk gibi yararlı bir bağlam uygulayarak verilerde bulunan doğal önyargıları ve kalıpları yakalamaya çalışır. Örneğin, görüntüler üzerinde eğitilmiş bir sinir ağından, sahnedeki nesnelerin konumunu tahmin etmesi istenebilir. Bu tür görevler, ağın etiket gerektirmeden görüntülerdeki özellikleri öğrenmesini ve anlamasını sağlar.
Kendi kendini denetleyen öğrenme, maliyet tasarrufu ve verilerin etiketlenmesiyle ilgili süreçlerin azaltılması açısından faydalı olsa da, bu yaklaşımla ilgili bazı uyarılar vardır. Önemli sorunlardan biri, SSL'nin doğru eğitim için kullanılacak bol miktarda veriyle en iyi şekilde çalışmasıdır. Ek olarak, kendi kendini denetleyen görevler, denetimli öğrenme görevinin etiket yapısını taklit eden güçlü öncelikler gerektirir.
Kendi kendini denetleyen öğrenmenin faydaları çeşitli görevlerde görülmüştür. Bu teknolojinin en iyi bilinen uygulamalarından biri, insan açıklaması olmadan metin oluşturmak için dil modellerini kullanmaktır. Diğer uygulamalar arasında görüntü işleme, ilaç keşfi için molekül modelleme ve robotik sistemler yer alır.
Kendi kendini denetleyen öğrenme, daha verimli ve doğru yapay zeka sistemleri oluşturmak için önemli bir araç olarak görülüyor. İhtiyaç duyulan insan açıklamalı veri miktarını azaltma potansiyeline sahiptir ve karmaşık görevlerin üstesinden gelmenin etkili bir yoludur.
