Denetimsiz öğrenme (unsupervised learning), modele doğru cevabın hiç verilmediği, verideki gizli örüntüleri, benzerlikleri veya yapıyı kendi başına keşfetmesinin istendiği makine öğrenmesi yaklaşımıdır. Denetimli öğrenmenin tam tersi: burada “spam / spam değil” gibi bir etiket yoktur, sadece ham veri vardır; model bu veriyi benzerlik veya istatistiksel yapıya göre kendiliğinden gruplar ya da sıkıştırır.
Benzetme: bir öğretmenin sınıfa çözümü olmayan yüzlerce fotoğraf dağıtıp “bunları kendi aranızda gruplandırın” demesi gibidir. Öğrenciler fotoğrafların hangi kategoriye ait olduğunu bilmeden, sadece görsel benzerliklere bakarak kümelere ayırır — kimi zaman öğretmenin bile fark etmediği örüntüleri bulurlar.
Neden önemli?
En yaygın kullanım alanları kümeleme (müşteri segmentasyonu gibi benzer davranışlı grupları bulma) ve boyut indirgemedir. Ama asıl büyük etkisi büyük dil modelleri dünyasında görülür: pretraining aşaması, etiketlenmiş veri gerektirmeyen öz-denetimli (self-supervised) bir denetimsiz öğrenme biçimidir — model sadece devasa miktarda etiketsiz metinden “bir sonraki kelimeyi tahmin et” görevini öğrenir. Bu, etiketleme maliyetini ortadan kaldırdığı için internet ölçeğinde veriyle eğitimi mümkün kılmıştır. Üç temel öğrenme yaklaşımının üçüncüsü olan pekiştirmeli öğrenme ise ne etiketli örnekle ne saf örüntü keşfiyle çalışır — ödül sinyaliyle öğrenir.