Ce înseamnă Învățare nesupervizată
În învățarea nesupervizată, modelul primește date fără etichete, adică fără „răspunsuri corecte”. Sarcina lui este să descopere singur structura ascunsă: ce exemple seamănă între ele, ce tipare se repetă, ce iese din comun.
Metoda este utilă când nu știi dinainte ce cauți sau când etichetarea ar fi prea scumpă. Rezultatele trebuie însă interpretate de oameni: modelul poate spune că a găsit cinci grupuri de clienți, dar nu și ce înseamnă fiecare grup.
Principalele utilizări sunt gruparea (clustering), detectarea anomaliilor și reducerea dimensionalității, adică simplificarea datelor cu foarte multe coloane, ca să poată fi vizualizate sau procesate mai ușor.
Cum funcționează
Un algoritm de grupare, precum k-means, plasează exemplele într-un spațiu în funcție de caracteristicile lor și caută grupuri de puncte apropiate. Un algoritm de detectare a anomaliilor învață cum arată „normalul” și semnalează ce se abate mult de la el.
O variantă foarte importantă astăzi este învățarea auto-supervizată (self-supervised): modelul își creează singur sarcini din datele neetichetate, de exemplu ascunde un cuvânt dintr-o propoziție și încearcă să-l ghicească. Așa sunt pre-antrenate modelele de limbaj mari, pe cantități uriașe de text fără etichete.
Pe înțelesul tuturor
Dacă răstorni pe masă o cutie cu nasturi și îi ceri cuiva să-i sorteze fără să-i spui după ce criteriu, va face singur grămezi: după culoare, după mărime sau după numărul de găuri. Asta face învățarea nesupervizată: găsește grupuri, fără să știe dinainte cum se numesc.
Exemplu
Un magazin online analizează istoricul de cumpărături al clienților și descoperă patru grupuri: cei care cumpără doar la reduceri, părinții cu copii mici, pasionații de tehnologie și clienții ocazionali. Nimeni nu a definit aceste grupuri dinainte; echipa de marketing le-a dat nume după ce le-a văzut.
De reținut
- Învățarea nesupervizată lucrează cu date fără etichete; modelul caută singur structura.
- Este folosită pentru grupare, detectarea anomaliilor și simplificarea datelor.
- Rezultatele trebuie interpretate de oameni.
Nu confunda
- Nesupervizată vs. auto-supervizată: în învățarea auto-supervizată, modelul își generează singur răspunsurile corecte din date (de exemplu, următorul cuvânt dintr-un text); este considerată adesea o categorie aparte.
- Nesupervizat vs. necontrolat: „nesupervizat” înseamnă fără etichete în date, nu un sistem care funcționează fără nicio verificare umană.
Termeni înrudiți
- Învățare supervizată: Metoda de machine learning în care modelul învață din exemple care au deja atașat răspunsul corect.
- Clustering (grupare): Tehnică de învățare nesupervizată care grupează automat datele asemănătoare, fără etichete date dinainte.
- Reducerea dimensionalității: Tehnici care comprimă datele cu foarte multe caracteristici în câteva, păstrând cât mai mult din informația importantă.
- Machine learning (învățare automată): Ramura AI în care programele învață din exemple, în loc să primească reguli scrise pas cu pas de un programator.
- Învățare prin întărire: Metoda prin care un agent AI învață prin încercare și eroare, primind recompense pentru acțiunile bune și penalizări pentru cele rele.