無監督/弱監督學習逐漸成為企業降本增效新利器

在過去的幾年中，深度學習所取得的巨大成功離不開大規模標注的數據集。大規模標注的背后，是傳統的監督學習對于每一個訓練樣本完備標簽的要求。隨著業務規模的不斷擴大，越來越多的企業發現數據的標注開始成為抬高交付成本、制約效果提升的主要因素之一。

在此背景下，無監督學習和弱監督學習通過不使用標簽或減少對標簽數量、質量的要求來迅速降低深度模型對于數據的標注需求，使得原本無法利用的數據如今都可以加入到模型的訓練中去，進而由量變引發質變。在NLP領域，基于Transformer的無監督訓練模型已持續霸榜各種NLP任務數據集；在CV領域，*的MPL方法也通過額外的無標注數據集*將ImageNet的Top-1分類*率提升到了90%+的水平。

可以預見的是，將有越來越多的人工智能企業會面臨從前期的迅速擴張到穩定期高效化運作的新階段，而在這個過程中，無監督/弱監督學習無疑將成為他們過渡到這個階段的重要手段之一。

來源高金CGFT