למידה מפוקחת / לא-מפוקחת

למידה מפוקחת ולמידה לא-מפוקחת הם שני הגישות היסודיות ביותר בלמידת מכונה, שנבדלות בסוג הנתונים שמהם המודל לומד.

בלמידה מפוקחת (Supervised Learning, ובעברית גם "למידה מונחית"), המודל מקבל דוגמאות עם "תשובה נכונה" מתויגת מראש, ולומד למפות מהקלט לתיוג. ברוב יישומי ה-AI המסחריים היום זו הגישה השולטת, אבל היא דורשת נתונים מתויגים ידנית, תהליך יקר ואיטי. דוגמה יומיומית: מסנן דואר-הזבל של תיבת-הדואר שלמד מדוגמאות של אימיילים שתויגו מראש כ"ספאם" או "תקין" — משימת סיווג (Classification) קלאסית של למידה מפוקחת.

בלמידה לא-מפוקחת (Unsupervised Learning, ובעברית גם "למידה בלתי מונחית"), אין תיוג כלל — המודל מקבל נתונים "גולמיים" ומתבקש למצוא בעצמו תבניות וקבוצות בתוכם. דוגמה מקבילה מעולם העסקים: חנות מקוונת שמחלקת אוטומטית את לקוחותיה לקבוצות-רכישה דומות (אשכול, Clustering), בלי שהגדירו מראש אילו קבוצות קיימות — המערכת עצמה מגלה שיש, למשל, קבוצת "קונים חד-פעמיים" וקבוצת "לקוחות חוזרים".

אימון מודלי שפה גדולים על טקסט לא-מתויג (רק חיזוי המילה הבאה) הוא דוגמה מרכזית לגישה לא-מפוקחת, ולעיתים מכונה גם "למידה עצמית-מפוקחת" (Self-supervised Learning) — שם ביניים שממחיש שהיא לא לגמרי לא-מפוקחת, רק שהתיוג מגיע מהטקסט עצמו (המילה הבאה ברצף) במקום מאדם. קיימת גם גישת-ביניים נפוצה, "למידה מפוקחת-חלקית" (Semi-supervised Learning), שמשלבת כמות קטנה של נתונים מתויגים עם כמות גדולה בהרבה של נתונים לא-מתויגים — פשרה מעשית כשתיוג מלא יקר מדי אך אפשר להשיג מעט דוגמאות מתויגות.

הבחירה בין הגישות היא לרוב שאלה של זמינות-נתונים ולא של העדפה תיאורטית: כשיש מאגר-ענק של דוגמאות מתויגות היטב, למידה מפוקחת נוטה להשיג דיוק גבוה יותר במשימה ספציפית; כשהתיוג יקר או בלתי-אפשרי בקנה-מידה גדול, למידה לא-מפוקחת (או עצמית-מפוקחת) היא הדרך המעשית היחידה לנצל כמויות-ענק של נתונים גולמיים — וזו בדיוק הסיבה שהגישה השנייה הפכה דומיננטית כל-כך בבניית מודלי שפה גדולים.