یادگیری بی‌نظارت چیه

کیسه‌ی دکمه

یه کیسه دکمه‌ی قاطی بدن دستتون و بگن «مرتبش کن». کسی نگفته چند تا گروه، کسی نگفته اسم گروه‌ها چیه.

باز هم از پسش برمیاید. نگاه می‌کنید و می‌بینید بعضی‌ها گرد و بزرگن، بعضی گرد و کوچیک، بعضی چهارگوش. سه تا دسته می‌سازید، بی اینکه کسی جواب رو بهتون گفته باشه.

به این جور یادگیری توی یادگیری ماشین می‌گن یادگیری بی‌نظارت: داده هست، ولی کسی بالای سرش نیست که بگه درست چیه.

با جواب و بی جواب

تا اینجای مسیر، تقریبا همه‌ی درس‌ها با نظارت بودن. یعنی هر مثال جوابش رو کنارش داشت:

توی جدول اول، هر میوه یه ستون «جواب» داره: سیبه یا پرتقال. مدل یاد می‌گیره از وزن و رنگ، به همین جواب برسه. توی جدول دوم، ستون جواب نیست. مدل باز هم می‌تونه ببینه دو جور میوه هست، ولی اسمشون رو نمی‌دونه.

توی درس سه نوع یادگیری این رو دیده بودیم؛ حالا وقتشه از نزدیک‌تر ببینیمش.

چرا مهمه؟

چون جواب گرونه. برای اینکه هزار تا عکس رو برچسب بزنید «گربه» یا «سگ»، یکی باید بشینه و تک‌تک نگاه کنه. ولی داده‌ی بی‌برچسب همه‌جا هست و ارزون جمع می‌شه؛ مثلا میلیاردها صفحه متن توی وب.

پس اگه مدل بتونه بی جواب هم چیزی یاد بگیره، دستش به داده‌ی خیلی خیلی بیشتری می‌رسه. برای همین مدل‌های بزرگ زبانی، اول روی حجم عظیمی از متن بی‌برچسب یاد می‌گیرن و بعد برای کارهای دیگه تنظیم می‌شن. به این مرحله‌ی اول می‌گن پیش‌آموزش.

چه کارهایی می‌کنه

یادگیری بی‌نظارت چند تا کار اصلی داره:

• گروه کردن: مثال‌های شبیه رو کنار هم می‌ذاره؛ مثل همون دکمه‌ها. درس بعد، خوشه‌بندی، درباره‌ی همینه.
• ساده کردن: داده‌ای که خیلی ستون داره رو با چند تا ستون کمتر خلاصه می‌کنه، بی اینکه چیز مهمی گم بشه: کاهش ابعاد.
• پیدا کردن عجیب‌ها: یاد می‌گیره «عادی» چه شکلیه و هر چی خیلی فرق داشت رو نشون می‌ده: تشخیص ناهنجاری.
• پر کردن جای خالی: یه تیکه از داده رو برمی‌داریم و مدل باید حدسش بزنه؛ مثل کلمه‌ی بعدی یه جمله. اینجا جواب از خود داده میاد، نه از آدم. به این بعضی‌ها می‌گن «خودنظارتی».

سختیش کجاست؟

توی یادگیری با نظارت، نمره دادن ساده بود: جواب مدل رو با جواب درست مقایسه می‌کردیم، مثل دقت. اینجا جواب درستی نداریم. از کجا بدونیم دکمه‌ها رو درست گروه کردیم؟ شاید یکی دیگه رنگی گروه می‌کرد، نه از روی شکل.

برای همین نتیجه‌ی یادگیری بی‌نظارت رو معمولا با این می‌سنجن که چقدر به درد کار بعدی می‌خوره، یا یه آدم نگاه می‌کنه ببینه معنی داره یا نه.