Wat is Ongesuperviseerd leren?

Ongesuperviseerd leren is een manier om AI te trainen zonder dat je de juiste antwoorden meegeeft. Het model zoekt zelf naar patronen en groepen in de data.

Hoe werkt het?

Bij gesuperviseerd leren krijgt het model voorbeelden met een label. Hier niet. Het model krijgt alleen ruwe data. Het kijkt welke gegevens op elkaar lijken en welke verschillen.

Een bekende taak is clusteren. Dan deelt het model de data in groepen in. Alle items in één groep lijken veel op elkaar. Het model weet niet hoe die groepen heten. Dat bepaal jij of een collega achteraf.

Een andere taak is het opsporen van afwijkingen. Het model leert wat normaal is. Alles wat daar sterk van afwijkt, valt op.

Het is een beetje alsof je een doos met mixed knopen krijgt zonder uitleg. Je sorteert ze op kleur en grootte. Niemand heeft je verteld hoe je moest sorteren.

Een voorbeeld uit de praktijk

Een webwinkel heeft gegevens over duizenden klanten: wat ze kopen, hoe vaak en wanneer. Een model zoekt zelf naar groepen. Misschien blijkt er een groep te zijn die vooral in de uitverkoop koopt en een groep die vaak nieuwe producten koopt. De marketingafdeling kan daarna per groep een andere mail sturen.

Waarom is dit belangrijk voor jou?

Deze methode helpt als je veel data hebt, maar niemand tijd heeft om alles te labelen. Ze wordt ook gebruikt bij fraudeherkenning en bij het ordenen van grote verzamelingen documenten.

Let op deze punten:

• Het model vindt patronen, maar die hoeven niet nuttig of logisch te zijn.
• Mensen moeten de uitkomst altijd zelf beoordelen.
• Een afwijking is niet automatisch een fout of fraude. Soms is iets gewoon ongebruikelijk.

Zie het resultaat dus als een hulpmiddel om ideeën op te doen, niet als een vaststaande waarheid.