L'auto-surveillance contrastive est une méthode où les ordinateurs apprennent à reconnaître des caractéristiques importantes dans les données, sans qu'on leur dise exactement ce qu'ils doivent chercher.
Cela fonctionne en comparant différentes versions de la même information entre elles et en apprenant à les reconnaître comme similaires, tout en traitant d'autres informations comme différentes.
De cette façon, la machine peut découvrir des motifs importants, par exemple dans des images ou des textes, et ainsi mieux se préparer à de nouvelles tâches.
Ce type d'apprentissage est particulièrement utile lorsqu'il y a peu ou pas d'exemples étiquetés.