自监督学习（Self-Supervised Learning）是一种学习方法，通过解决自动生成的任务，从无监督数据中训练模型。

其中，部分数据作为输入使用，而其他部分作为目标，例如预测缺失的图像区域或补全文本。

这种方法使得学习表示成为可能，而无需手动标签。

自监督学习通常用作预训练，以用通用知识初始化模型，便于后续的特定任务。

它被应用于计算机视觉、语音处理和机器人等领域，以提高数据效率并实现更好的泛化能力。