Active Learning

Wat is active learning?

Active learning is een aanpak binnen machine learning waarbij het model zelf aangeeft van welke voorbeelden het het meest wil leren. In plaats van duizenden willekeurige voorbeelden door mensen te laten labelen, selecteert het model de gevallen waarover het het meest twijfelt en legt alleen die voor aan een menselijke expert.

Hoe werkt het?

Het model start met een kleine hoeveelheid gelabelde data. Daarna draait een cyclus: het model bekijkt ongelabelde voorbeelden, kiest de meest onzekere of informatieve gevallen, een mens labelt die, en het model traint opnieuw met de aangevulde data. Dat herhaalt zich tot de prestaties goed genoeg zijn. Omdat elke menselijke labelactie maximaal informatief is, heb je veel minder gelabelde voorbeelden nodig dan bij de klassieke aanpak.

Wat heb je eraan als bedrijf?

Het labelen van data is vaak de duurste stap in een AI-project, zeker als er vakkennis voor nodig is. Denk aan een verzekeraar die claims laat beoordelen of een fabrikant die productfoto’s op defecten laat controleren. Met active learning besteed je die schaarse experttijd alleen aan de gevallen die er echt toe doen. Je ziet hetzelfde principe terug in moderne AI-tools die om feedback vragen op precies de antwoorden waarover ze onzeker zijn.

Gerelateerde begrippen

Active learning is een slimme variant op supervised learning en draait om efficiënte annotation van labelled data. Het is vooral waardevol bij data scarcity.