Selbstüberwachtes Lernen (Self-Supervised Learning) ist eine Lernmethode, bei der Modelle aus unbeaufsichtigten Daten durch das Lösen automatisch generierter Aufgaben trainiert werden.
Dabei werden Teile der Daten als Eingabe verwendet, während andere Teile als Ziel dienen, zum Beispiel das Vorhersagen fehlender Bildbereiche oder das Vervollständigen von Texten.
Diese Vorgehensweise ermöglicht es, Repräsentationen zu lernen, ohne dass manuelle Labels benötigt werden.
Selbstüberwachtes Lernen dient oft als Vortraining, um Modelle mit allgemeinen Wissen für spätere, spezifische Aufgaben zu initialisieren.
Es wird in Bereichen wie Computer Vision, Sprachverarbeitung und Robotik eingesetzt, um die Dateneffizienz zu steigern und bessere Generalisierung zu erreichen.