Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Zelfgesuperviseerd leren

Engels: Self-Supervised Learning · Ook wel: SSL, self-supervised learning

In het kort

Zelfgesuperviseerd leren is een trainingsmethode waarbij een AI-model zelf oefenopdrachten maakt uit ruwe data. Het model verbergt een deel van de gegevens, probeert dat deel te herstellen en toetst het antwoord aan de data zelf, zonder labels van mensen. Daardoor leert een taalmodel, de techniek achter veel chatbots, de samenhang tussen woorden en herkent het later de betekenis van nieuwe zinnen.

Waarom is dit belangrijk?

Bestaande gegevens uit ziekenhuizen worden bruikbaar voor nieuwe medische modellen, ook wanneer artsen nog weinig gevallen hebben gemarkeerd. Onderzoekers in de zorg passen zelfgesuperviseerd leren toe op beelden, lichaamssignalen, patiëntendossiers en reeksen van genen en eiwitten. Patiënten en zorgverleners merken dat nieuwe hulpmiddelen in de zorg daardoor sneller tot stand komen, maar een scheve samenstelling van de gegevens kan de uitkomsten vertekenen.

Zo werkt het in de praktijk

In de mediasector past het bedrijf Facebook zelfgesuperviseerd leren toe. Het doet dat met wav2vec, een algoritme voor spraakherkenning. Twee diepe neurale netwerken voor geluid bouwen in dat algoritme op elkaar voort. In de sector internetdiensten gebruikt Google het model BERT. BERT volgt de context van een zoekvraag.

Onderzoekers bekijken hoe een model een wereldmodel kan leren. Een wereldmodel is een interne voorstelling van de omgeving. Yann LeCun stelde in 2022 de opzet JEPA voor als stap naar besluitvorming door machines. JEPA is toegepast op beeldanalyse, geluidsverwerking en beweging in video.

Gecontroleerd op 23 oktober 2026