ImageNet, setul de date care a pornit revoluția din computer vision, are 14 milioane de imagini etichetate de mână. Munca a durat din iulie 2008 până în aprilie 2010 și a cerut 49.000 de oameni din 167 de țări, fiecare imagine trecută de trei ori prin ochi omenesc.
Asta e supervised learning: cineva a scris răspunsul corect pe fiecare exemplu, înainte ca sistemul să vadă ceva. Unsupervised learning înseamnă exact opusul — nimeni nu scrie nimic, iar sistemul caută singur ce se repetă.
Toată discuția supervised vs unsupervised se reduce la cine plătește munca aia și ce primești în schimb.
Ce este Supervised Learning
Supervised Learning, sau învățare supervizată, înseamnă exact ce spune numele – sistemul învață din exemple care au răspunsul corect deja atașat. Este exact ca și cum ai învăța cu un profesor care îți verifică fiecare exercițiu și îți spune dacă ai greșit sau nu.
Cum funcționează
Imaginează-ți că vrei să înveți un sistem să recunoască fotografii cu pisici. În Supervised Learning, îi arăți mii de fotografii, fiecare etichetată clar: "aceasta este o pisică" sau "aceasta nu este o pisică". Sistemul analizează fiecare imagine, încearcă să ghicească dacă e pisică sau nu, primește feedback instant (corect sau greșit) și își ajustează treptat precizia.
Cheia este că tu știi dinainte răspunsul corect pentru fiecare exemplu. Datele sunt "etichetate" – ca și cum fiecare problemă dintr-o carte de matematică ar avea răspunsul scris în spate.
Exemple din viața reală
Filtrarea spam-ului: Sistemul de email a fost antrenat cu milioane de email-uri marcate manual ca "spam" sau "non-spam". După antrenament, poate prezice dacă un email nou este spam bazându-se pe caracteristici similare cu ce a văzut.
Recunoașterea vocală: Asistenții vocali au fost antrenați cu mii de ore de înregistrări audio, fiecare cu transcrierea corectă atașată. Sistemul a învățat să mapeze sunete la cuvinte văzând exemple corecte.
Diagnosticare medicală: Un sistem antrenat pe mii de radiografii unde medicii au marcat deja zonele problematice. Sistemul învață să recunoască anomalii văzând exemple validate de experți.
Predicția prețurilor: Un model care învață din date istorice despre case vândute – știe dimensiunea, locația ȘI prețul final pentru fiecare casă din trecut, așa că poate prezice prețuri pentru case noi.
Amândouă sunt forme de învățare automată, iar acolo am explicat ce se înțelege cel mai des greșit despre ea.
Ce este Unsupervised Learning
Unsupervised Learning înseamnă învățare fără supraveghere – sistemul primește date fără răspunsuri corecte și trebuie să descopere singur structuri, pattern-uri și grupări care au sens.
Cum funcționează
Să revenim la exemplul cu fotografii. În Unsupervised Learning, îi arăți sistemului mii de fotografii cu animale diverse, fără nicio etichetă. Nu îi spui ce e pisică, ce e câine, ce e pasăre. Sistemul analizează imaginile și le grupează singur: "aceste imagini arată similar între ele, le pun într-un grup... acestea arată diferit, le pun în alt grup." Operația se numește clustering, iar în machine learning clustering-ul e cea mai folosită formă de învățare nesupervizată.
Nu știe că a creat un grup "pisici" și un grup "câini" – doar a găsit pattern-uri vizuale care diferențiază imaginile. Tu descoperi abia după ce te uiți ce a grupat: "ah, a pus toate pisicile împreună!"
Exemple din viața reale
Segmentarea clienților: O companie analizează comportamentul de cumpărare al miilor de clienți, fără să știe dinainte ce tipuri de clienți există. Sistemul descoperă singur grupuri: "clienții care cumpără des produse scumpe", "clienții care cumpără doar la reduceri", "clienții care cumpără regulat produse basic". Companiei nu i-a spus nimeni că aceste categorii există – sistemul le-a descoperit singur.
Detectarea anomaliilor în bancă: Sistemul analizează milioane de tranzacții normale și învață ce înseamnă "comportament normal" pentru fiecare client. Când apare ceva complet diferit de pattern-ul obișnuit, sistemul semnalează anomalia – chiar dacă n-a mai văzut acel tip exact de fraudă înainte.
Organizarea automată a fotografiilor: Aplicații care grupează automat pozele tale în "evenimente" sau "călătorii" fără să le spui tu ce reprezintă fiecare poză. Sistemul vede că ai făcut 50 de poze în aceeași zi, în același loc, și le grupează împreună.
Recomandări de produse: Amazon sau Netflix grupează utilizatori cu gusturi similare fără să știe dinainte ce categorii de utilizatori există. Descoperă singur că "utilizatorii care au cumpărat X tind să cumpere și Y".
Supervised learning vs unsupervised learning: diferențele cheie
Date etichetate vs neetichetate
Supervised: Ai nevoie de date etichetate – cineva (de obicei un om) trebuie să fi marcat deja răspunsul corect pentru fiecare exemplu. Aceasta poate fi costisitor și consumator de timp. Imaginează-ți că trebuie să etichetezi manual un milion de email-uri ca spam sau non-spam.
Unsupervised: Lucrează cu date neetichetate – simpli informație brută, fără răspunsuri corecte. Mult mai ușor de obținut, pentru că nu trebuie să marcheze cineva manual fiecare exemplu.
Obiectiv diferit
Supervised: Obiectivul este să prezică un răspuns specific pentru date noi. "Este acest email spam? Cât costă această casă? Ce cuvânt a spus utilizatorul?" Întrebarea este clară, răspunsul e clar.
Unsupervised: Obiectivul este să descopere structuri ascunse în date. "Există grupuri naturale în aceste date? Care sunt pattern-urile neobișnuite? Cum se relaționează aceste elemente între ele?" Întrebarea este mai vagă, explorând ce pattern-uri există.
Feedback în timpul învățării
Supervised: Primește feedback constant. După fiecare predicție, sistemul află dacă a ghicit corect sau greșit și cu cât. Se poate ajusta precis bazându-se pe erori.
Unsupervised: Nu primește feedback despre "corect" sau "greșit" pentru că nu există un răspuns corect predefinit. Sistemul își creează propriile criterii de ce este o grupare bună.
Precizie vs descoperire
Supervised: Optimizat pentru precizie. Vrei ca sistemul să fie cât mai corect posibil la predicții. Poți măsura exact performanța: "sistemul este corect în 95% din cazuri".
Unsupervised: Optimizat pentru descoperire. Vrei ca sistemul să găsească pattern-uri interesante sau utile. Mai greu de evaluat – ce înseamnă o "grupare bună" depinde de context.
Supervised vs unsupervised: când folosești fiecare
Folosește Supervised Learning când:
- Ai date etichetate disponibile sau poți să le creezi (chiar dacă e costisitor)
- Știi exact ce vrei să prezici: spam/non-spam, preț, categorie, diagnostic
- Vrei precizie măsurabilă: trebuie să știi exact cât de bine funcționează sistemul
- Problema are răspunsuri clare: pentru fiecare input există un output corect bine definit
Exemple ideale: recunoaștere vocală, traduceri, predicții de preț, clasificare de imagini, diagnosticare medicală.
Folosește Unsupervised Learning când:
- Nu ai date etichetate și ar fi prea costisitor să le creezi
- Nu știi ce pattern-uri să cauți: explorezi datele pentru a descoperi structuri necunoscute
- Vrei să descoperi grupuri naturale: în clienți, produse, comportamente
- Cauți anomalii: orice e diferit de normal, chiar dacă nu știi cum arată anomalia
Exemple ideale: segmentarea clienților, detectarea fraudelor, organizarea documentelor, descoperirea de tendințe în date mari.
E și o a treia opțiune
Pe lângă Supervised și Unsupervised, există și Reinforcement Learning – un sistem care învață prin încercare și eroare, primind recompense când face ceva bine. Pentru detalii, vezi articolul nostru despre ce este Reinforcement Learning.
Supervised vs unsupervised: greșeli comune
"Unsupervised e mai avansat decât Supervised"
Nu. Sunt pur și simplu instrumente diferite pentru probleme diferite. Supervised Learning poate fi extrem de sofisticat – gândește-te la sistemele de recunoaștere facială sau la mașinile autonome. Unsupervised nu e "mai inteligent", e doar diferit.
"Ai nevoie de mai puține date pentru Unsupervised"
Nu neapărat. Unsupervised nu are nevoie de date etichetate, dar tot trebuie cantități mari de date pentru a găsi pattern-uri relevante. Diferența e că datele sunt mai ușor de obținut (nu trebuie etichetate manual).
"Un sistem Unsupervised poate înlocui munca de etichetare"
Nu chiar. Unsupervised poate descoperi grupuri, dar nu le poate numi sau interpreta. Dacă grupează automat fotografii, tot trebuie un om să se uite și să spună "ah, ăsta e grupul cu pisici". Nu înlocuiește complet expertiza umană, doar o complementează.
"Supervised Learning înseamnă că există un om care verifică fiecare predicție"
Nu. "Supervised" se referă la antrenament, nu la utilizare. În timpul antrenamentului, sistemul învață din exemple verificate de oameni. După antrenament, rulează autonom, fără supervizare umană pentru fiecare predicție.
De reținut
-
Supervised Learning învață din exemple cu răspunsuri corecte atașate – ca un elev cu un profesor care verifică fiecare exercițiu. Ideal pentru predicții precise când știi ce vrei să obții.
-
Unsupervised Learning descoperă singur pattern-uri în date neetichetate – ca un explorator care cartografiază un teritoriu necunoscut. Ideal pentru descoperire și explorare când nu știi ce să cauți.
-
Diferența principală este prezența sau absența răspunsurilor corecte în datele de antrenament. Supervised știe "răspunsul din spate", Unsupervised trebuie să descopere singur ce e important.
-
Supervised vs unsupervised nu e o ierarhie – sunt instrumente pentru probleme diferite. Alegerea depinde de ce date ai și ce vrei să realizezi.
-
Multe aplicații reale combină ambele abordări – de exemplu, folosești Unsupervised pentru a descoperi grupuri de clienți, apoi Supervised pentru a prezice în ce grup va fi un client nou.
Cum alegi, în practică
Întrebarea nu e „care e mai bun", ci cine scrie răspunsurile.
Dacă le poți scrie tu — pentru că ai deja un istoric cu rezultate cunoscute, sau pentru că etichetarea e ieftină în cazul tău — supervised. O să obții precizie mai mare și o să poți măsura exact cât de bine merge.
Dacă nu le poate scrie nimeni, pentru că nici tu nu știi ce cauți, unsupervised. O să primești grupuri, nu răspunsuri, și o să fie treaba ta să înțelegi dacă înseamnă ceva.
Și, oricare ai alege, rămâne capcana comună amândurora: un model care merge impecabil pe datele de antrenament și se face de râs pe date noi. E overfitting, și se vede doar dacă ai păstrat un set de test pe care nu l-ai atins.
Părerea mea, după exemplul ImageNet de la început: cel mai des, adevărata decizie nu e tehnică, ci bugetară. Supervised vs unsupervised se traduce, în majoritatea proiectelor reale, în „ne permitem să etichetăm sau nu". Iar cine sare peste etichetare ca să economisească ajunge, de obicei, să plătească mai mult în interpretarea rezultatelor.
Amândouă sunt forme de învățare automată, iar dacă vrei contextul mai larg, pornește de la ce este inteligența artificială.
Întrebări frecvente
Care e diferența dintre supervised și unsupervised learning?
Supervised learning primește exemple cu răspunsul corect atașat și învață să-l reproducă. Unsupervised learning primește date fără niciun răspuns și caută singur structuri care se repetă. Prima abordare prezice, a doua descoperă.
Ce este învățarea supervizată?
Metoda în care sistemul învață din exemple etichetate de oameni: mii de emailuri marcate „spam" sau „nu", mii de fotografii marcate „pisică" sau „câine". Necesită muncă umană înainte de antrenament, dar dă predicții măsurabile.
Care e mai bun, supervised sau unsupervised?
Niciunul. Rezolvă probleme diferite. Întrebarea practică e dacă cineva poate scrie răspunsurile corecte pentru datele tale: dacă da, supervised; dacă nici tu nu știi ce cauți, unsupervised.
Ce este clustering-ul în machine learning?
Cea mai folosită formă de învățare nesupervizată: sistemul împarte datele în grupuri după cât de asemănătoare sunt între ele, fără să i se spună dinainte ce grupuri există.
