Actief leren, in een AI-context, is het vermogen van een machine learning (ML) algoritme om een menselijke bron om aanvullende informatie te vragen. In wezen stelt actief leren een minimaal getraind AI-programma in staat om te bepalen welke gegevens het nodig heeft om beter te worden. Het algoritme bepaalt welke subset van gegevens naar verwachting de beste resultaten voor een bepaalde categorie oplevert en vraagt iemand om de gegevens in die subset te labelen.
Actieve leeralgoritmen vereisen minimale trainingsgegevens, waardoor ze vooral nuttig zijn als er niet veel gelabelde gegevens beschikbaar zijn.
Active learning vs. supervised learning vs. unsupervised learning
Active learning-algoritmen zijn een eenvoudige vorm van semi-supervised, nieuwsgierige AI. Dit type algoritme combineert aspecten van zowel supervised learning als unsupervised learning.
Supervised ML, dat historische gegevens gebruikt om voorspellingen te doen over nieuwe gegevens, vereist een mens om input- en gewenste-outputgegevens te creëren voor training.Omdat deze aanpak veel menselijke overhead vereist, kan deze duur zijn. AI-systemen die gebruikmaken van unsupervised learning vereisen daarentegen zeer weinig menselijke overhead, omdat de algoritmen eenvoudig zoeken naar patronen in ongelabelde datasets. Hoewel dit type ML kosteneffectief kan zijn omdat het niet zoveel menselijke input vereist, kan het ook moeilijk zijn om de resultaten als zinvol te kwantificeren.
Active learning kan zowel gestructureerde als ongestructureerde gegevens op een kosteneffectieve manier gebruiken door prioriteit te geven aan welke gegevens het model het meest in de war brengt en labels aan te vragen voor alleen die gegevens. Het model gebruikt een relatief kleine hoeveelheid gelabelde gegevens voor training en vraagt later meer labels aan als dat nodig is. Deze iteratieve benadering van machine learning helpt niet alleen het machine learning-model sneller te leren, maar houdt ook de kosten laag doordat mensen het labelen van gegevens die niet nuttig zijn voor het model kunnen overslaan.
Bekijk deze inleidende tutorial over actief leren om meer te leren.