自監督學習

自監督學習（英語：self-supervised learning，SSL）是機器學習的一種範式，用於處理未標記數據以獲取有用的表示，以幫助下遊學習任務。SSL方法最顯著的特點是它們不需要人類標註的標籤，這意味著它的訓練完全基於由未標記的數據樣本組成的數據集。典型的SSL流程包括在第一階段學習監督信號（自動生成的標籤），這些監督信號將用於後續階段中的某些監督學習任務。因此，SSL可以視為無監督學習和監督學習的中間形式。自我監督學習模仿了人類學習對物體進行分類的方式。^[1]

典型的 SSL 方法基於人工神經網絡或其他模型（例如決策列表（英語：Decision list））^[2]