机器学习中自我监督学习的缺点是什么？

Question

自监督学习在过去几年中一直在兴起。与监督和半监督等其他学习方法相比，它确实具有优势，因为它不需要标记数据。

我想知道自监督学习是否有任何缺点，半监督学习在哪些方面比它更好。

Answer 1

我认为最好的说明这个问题的方法是引用伟大的 Yann LeCun：

If intelligence is a cake, the bulk of the cake is unsupervised learning, the icing on the cake is supervised learning, and the cherry on the cake is reinforcement learning (RL).

不同类型的 ML 可能非常好，也可能不好，视情况而定。例如，对于机器人或自动驾驶问题，鉴于这些算法的性质，RL 将是理想的解决方案。但是，对于推荐系统或股票价格预测器，您可能会在有监督和无监督学习中找到更好（和更简单）的解决方案。

监督学习与监督学习和无监督学习有很大不同，因为它需要根据代理、状态和环境来定义，而不是简单的数据（以及监督学习情况下的标签）。因此，您将需要这些元素并非常仔细地定义它们之间的交互，以训练一个良好且可靠的系统，正如我上面提到的，对于您要解决的问题，该系统可能不是最佳（甚至可行）的解决方案。