Self-Supervised Learning

A aprendizagem auto-supervisionada (SSL) é um paradigma de aprendizagem automática em que um sistema aprende a compreender dados ao gerar os seus próprios sinais de supervisão a partir dos próprios dados, em vez de depender de rótulos fornecidos por humanos. Na aprendizagem supervisionada tradicional, os modelos precisam de grandes quantidades de dados anotados manualmente — como imagens rotuladas como "gato" ou "cão" — que podem ser dispendiosos e demorados de produzir. A SSL ultrapassa este obstáculo ao criar "tarefas pretexto" nas quais o modelo tem de prever partes ocultas ou em falta dos dados de entrada, ensinando-se eficazmente a estrutura subjacente e as características necessárias para tarefas complexas como a deteção de objetos e a classificação.

Mecanismos fundamentais da aprendizagem auto-supervisionada#

A ideia fundamental por detrás da SSL é mascarar ou ocultar uma parte dos dados e obrigar a rede neural (NN) a reconstruí-la ou a prever a relação entre diferentes perspetivas dos mesmos dados. Este processo cria representações ricas e de uso geral que podem ser posteriormente ajustadas para aplicações específicas a jusante.

Existem duas abordagens principais na SSL:

• Métodos generativos: o modelo aprende a gerar píxeis ou palavras para preencher lacunas. Um exemplo clássico em processamento de linguagem natural (NLP) é prever a palavra seguinte de uma frase. Na visão computacional, técnicas como autoencoders mascarados (MAE) ocultam aleatoriamente partes de uma imagem e encarregam o modelo de reconstruir os píxeis em falta, obrigando-o a "compreender" o contexto visual.
• Aprendizagem contrastiva: este método ensina o modelo a distinguir entre pontos de dados semelhantes e diferentes. Ao aplicar técnicas de aumento de dados — como recorte, variação de cor ou rotação — a uma imagem, o modelo aprende que estas versões modificadas representam o mesmo objeto (pares positivos), tratando outras imagens como objetos diferentes (pares negativos). Estruturas populares como a SimCLR dependem fortemente deste princípio.

Aplicações no mundo real#

A aprendizagem auto-supervisionada tornou-se fundamental para criar modelos fundacionais poderosos em vários domínios. A sua capacidade de utilizar grandes quantidades de dados não rotulados torna-a altamente escalável.

• Imagiologia médica: obter exames médicos rotulados por especialistas é difícil e dispendioso. A SSL permite que os modelos façam pré-treino com milhares de radiografias ou exames de MRI não rotulados para aprender características anatómicas gerais. Este modelo pré-treinado pode então ser ajustado com um pequeno número de exemplos rotulados para alcançar elevada precisão na deteção de tumores ou no diagnóstico de doenças.
• Condução autónoma: os veículos autónomos geram diariamente terabytes de dados de vídeo. A SSL permite que estes sistemas aprendam dinâmicas temporais e compreensão espacial a partir de imagens de vídeo brutas, sem anotações quadro a quadro. Isto ajuda a melhorar a deteção de faixas e a evitar obstáculos através da previsão de imagens futuras ou do movimento dos objetos.

Distinguir a SSL de termos relacionados#

É importante distinguir a SSL da aprendizagem não supervisionada. Embora ambos os métodos utilizem dados não rotulados, a aprendizagem não supervisionada centra-se normalmente em encontrar padrões ou agrupamentos ocultos (clustering) sem uma tarefa preditiva específica. Em contrapartida, a SSL estrutura o processo de aprendizagem como uma tarefa supervisionada, na qual os rótulos são gerados automaticamente a partir da própria estrutura dos dados. Além disso, a aprendizagem semissupervisionada combina uma pequena quantidade de dados rotulados com uma grande quantidade de dados não rotulados, enquanto a SSL pura cria os seus próprios rótulos inteiramente a partir do conjunto de dados não rotulado antes de qualquer ajuste fino.

Utilização de pesos pré-treinados na Ultralytics#

No ecossistema da Ultralytics, modelos como o YOLO26 beneficiam significativamente de estratégias de treino avançadas que frequentemente incorporam princípios semelhantes aos da SSL durante a fase de pré-treino em grandes conjuntos de dados, como o ImageNet ou o COCO. Isto garante que, quando os utilizadores implementam um modelo para uma tarefa específica, os extratores de características já são robustos.

Os utilizadores podem tirar partido destas poderosas representações pré-treinadas para ajustar modelos aos seus próprios conjuntos de dados personalizados utilizando a Ultralytics Platform.

Segue-se um exemplo conciso de como carregar um modelo Ultralytics YOLO26 pré-treinado e começar a ajustá-lo num novo conjunto de dados, aproveitando as características aprendidas durante o seu treino inicial em grande escala:

from ultralytics import YOLO

# Load a pre-trained YOLO26 model (weights learned from large-scale data)
model = YOLO("yolo26n.pt")

# Fine-tune the model on a specific dataset (e.g., COCO8)
# This leverages the robust feature representations learned during pre-training
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

O futuro da SSL#

À medida que investigadores de grandes laboratórios, como a Meta AI e a Google DeepMind, continuam a aperfeiçoar estas técnicas, a SSL está a alargar os limites do que é possível na IA generativa e na visão computacional. Ao reduzir a dependência de dados rotulados, a SSL está a democratizar o acesso à IA de alto desempenho, permitindo que equipas mais pequenas criem modelos sofisticados para aplicações especializadas, como a conservação da vida selvagem ou a inspeção industrial.