Uczenie samonadzorowane (self-supervision) to metoda uczenia maszynowego, w której model automatycznie generuje etykiety treningowe bezpośrednio z nieoznakowanych danych wejściowych, eliminując potrzebę ręcznego opisywania zbiorów przez ludzi. Technika ta polega na rozwiązywaniu zadań pomocniczych, takich jak przewidywanie brakujących fragmentów tekstu lub obrazu, co pozwala systemowi na samodzielne zrozumienie głębokich struktur i zależności w danych. Podstawą tego podejścia jest wykorzystanie kontekstu samej informacji jako sygnału nadzorującego proces trenowania sieci neuronowej.
self-supervision
