เปรียบเทียบวิธี

	การเรียนรู้แบบแอคทีฟที่กำกับดูแลตนเอง	การเรียนรู้แบบถ่ายโอน
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2020–2021	2010 (formalized); 1990s (early roots)
ผู้ริเริ่ม	Bengar et al. and concurrent works (multiple groups)	Pan, S. J. & Yang, Q. (survey); Bengio, Y. (deep learning framing)
ประเภท	Hybrid active-learning and self-supervised pre-training framework	Learning paradigm
แหล่งต้นตำรับ	Bengar, J. Z., van de Weijer, J., Twardowski, B., & Raducanu, B. (2021). Reducing Label Effort: Self-Supervised Meets Active Learning. In Proceedings of the IEEE/CVF International Conference on Computer Vision Workshops (ICCVW), pp. 1631–1639.	Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.
ชื่อเรียกอื่น	SSL-AL, self-supervised active learning, semi-supervised active learning with self-supervision, label-efficient self-supervised learning	TL, domain adaptation, fine-tuning, pre-trained model adaptation
ที่เกี่ยวข้อง	5	3
สรุป	Self-supervised Active Learning (SSL-AL) is a label-efficient machine-learning paradigm that pre-trains a model on unlabeled data using self-supervised objectives, then strategically queries a human oracle for the most informative labels using an active-learning acquisition function. The result is strong predictive performance with a fraction of the annotation cost required by fully supervised approaches.	Transfer learning is a machine learning paradigm in which knowledge gained from training a model on a source task or domain is reused to improve learning on a different but related target task or domain. It is especially powerful when labeled data for the target task is scarce, and it underlies most modern deep learning applications in computer vision, natural language processing, and beyond.