Un equipo de investigación de Apple publicó un estudio en octubre que examina algoritmos supervisados y auto-supervisados. El título es “¿Los métodos supervisados y autónomos aprenden representaciones visuales similares?” Del resumen:
Encontramos que los métodos aprenden representaciones intermedias similares a través de medios diferentes, y que las representaciones divergen rápidamente en las últimas capas. Investigamos esta divergencia y descubrimos que es causada por estas capas que se ajustan fuertemente a los distintos objetivos de aprendizaje. También encontramos que el objetivo de SimCLR se ajusta implícitamente al objetivo supervisado en capas intermedias, pero que lo contrario no es cierto.
Echale un vistazo: El estudio de Apple ML compara el aprendizaje supervisado con el autodidacta
