La divergence contrastive est une méthode permettant aux ordinateurs d'apprendre à reconnaître des motifs dans les données.

Imagine que tu veux apprendre à un ordinateur à reconnaître une image sans lui dire exactement ce qu'elle contient à chaque fois.

La divergence contrastive aide l'ordinateur à distinguer les différences entre de vraies images et ses propres tentatives.

Ainsi, l'ordinateur apprend peu à peu à comprendre les caractéristiques importantes et à faire de meilleures prédictions.

Cette méthode est souvent utilisée pour entraîner des modèles complexes plus rapidement et plus facilement.