Self-Supervised Learning ist ein Begriff aus den Bereichen K\u00fcnstliche Intelligenz, Big Data und Smart Data sowie Automatisierung. Damit bezeichnet man eine innovative Methode, mit der Computer selbstst\u00e4ndig aus gro\u00dfen Datenmengen lernen k\u00f6nnen, ohne dass daf\u00fcr viele Menschen Daten von Hand vorbereiten oder beschriften m\u00fcssen.<\/p>\n
Bei Self-Supervised Learning versuchen Maschinen, vorhandene Informationen aus unstrukturierten Daten herauszufiltern und Muster zu erkennen \u2013 \u00e4hnlich wie Menschen, die neue Dinge oft durch Beobachten lernen. Das Besondere: Der Computer stellt sich selbst Aufgaben, die er dann mit den verf\u00fcgbaren Daten zu l\u00f6sen versucht.<\/p>\n
Ein einfaches Beispiel: Stellen Sie sich vor, ein Computer soll verstehen, wie S\u00e4tze aufgebaut sind. Dazu bekommt er viele Texte, bei denen manchmal ein Wort ausgelassen ist. Seine Aufgabe: Das fehlende Wort zu erraten. Durch viele solcher R\u00e4tsel erkennt der Computer Zusammenh\u00e4nge in den Texten, ohne dass ein Mensch jeden Satz einzeln kommentieren muss.<\/p>\n
Self-Supervised Learning macht es Unternehmen leichter, die eigenen Datenbest\u00e4nde zu nutzen und automatisierte Systeme intelligenter zu machen \u2013 von Sprachassistenten bis zu automatisierten Qualit\u00e4tskontrollen in der Industrie. So entstehen leistungsf\u00e4hige KI-Anwendungen, auch wenn keine aufwendig etikettierten Trainingsdaten zur Verf\u00fcgung stehen.<\/p>\n","protected":false},"excerpt":{"rendered":"