主动学习是生成式人工智能的未来(埃里克兰道)

主动学习使练习监督模型成为一个迭代过程。该模型对来自大型数据集的标记数据的初始子集进行练习。然后，它会尝试依据所学知识对其余未标记数据进行推测。ML 工程师评估模型在其推测中的确定性，并通过使用各种摘集函数，可以量化通过注释其中一个未标记样本而增加的性能优势。

通过在其推测中表达不确定性，该模型正在自行决定哪些额外数据对其练习最有用。在这样做时，它要求注释者仅提供该特定类型数据的更多示例，以便它可以在下一轮练习期间对该子集进行更深进的练习。可以把它想象成对学生进行测验以找出他们的知识差距在哪里。一旦你知道他们遗漏了什么问题，你就可以为他们提供教科书、演示文稿和其他素材，这样他们就可以有针对性地学习，更好地理解该主题的特定方面。

通过主动学习，练习模型从线性过程转变为具有强大反馈回路的循环过程。

将人工智能系统视为静态软件是一个常见的错误，这些系统必须不断学习和发展。