L'apprentissage auto-supervisé est une méthode où les ordinateurs apprennent à reconnaître des motifs dans les données sans que quelqu'un leur montre les bonnes réponses.
On peut l'imaginer comme assembler un puzzle sans voir l'image sur la boîte – l'ordinateur utilise des parties des données pour prédire d'autres parties.
Ainsi, la machine apprend à partir des données elles-mêmes, sans avoir besoin de nombreux exemples étiquetés.
Cela aide à extraire des connaissances à partir de grandes quantités de données, même sans explications précises ou étiquettes.
L'apprentissage auto-supervisé est souvent utilisé avec des images, des textes ou de la parole pour entraîner de meilleurs modèles.