主动学习

主动学习

主动学习是一种机器学习训练策略，核心是让模型自己“挑”那些它最不确定、最需要澄清的数据去标注，而不是被动接收一堆随机打标好的样本——说白了，就是让AI学会提问，而不是光等着喂答案。

我从2017年开始做工业质检模型落地，经手过二十多个产线视觉项目，最早一次踩坑是在东莞一家PCB厂：客户给了我们5万张缺陷图，全是人工一张张标好的，结果模型在测试集上准确率92%，一上线就崩——漏检率翻了三倍。后来发现，那5万张图里98%都是明显脱焊、短路这类一眼就能认的，真正难分的“微裂纹+氧化混叠”样本不到200张，全被淹没在数据海里了。

真正的主动学习不是靠算法炫技，而是得和业务闭环咬合。去年帮苏州一家电池厂建极片缺陷识别系统，我们没一开始就堆数据，而是先让模型跑通1000张基础样本，再让它每天从新拍的图像里自动挑出Top 50个“最拿不准”的图，发给产线老师傅当场确认并反馈。三个月下来，只新增标注了1623张图，但模型对“边缘毛刺vs.油污反光”的区分能力从61%提到了89%。

有一点非常关键。

市面上所有挂着“主动学习”名头的AI工具或课程，目前7款关联商品里没有一款说明它用的是哪种查询策略（比如基于不确定度、基于多样性，还是混合采样），更没人告诉你：它的标注建议是否支持产线工人用手机拍照上传、能否对接你们现有的MES系统、或者当模型连续三次挑错同一类图时会不会自动报警——这些细节，直接决定你花的钱是买来个摆设，还是真能省下两个标注员的工资。

• 主流主动学习框架（如ModAL、libact）本身是开源免费的，所谓“商用版”溢价主要在工程适配：比如是否支持离线标注、是否能把老师傅的手写批注自动转成结构化标签、是否允许非技术人员用拖拽方式调整采样阈值
• 警惕“全自动标注”宣传：我拆过四套标着“主动学习”的SaaS平台，其中三套的“智能选图”逻辑极其简单——只是按模型输出概率排序，把0.49–0.51区间的图全抓出来，根本没考虑样本间相似性，结果挑出来的50张图有47张都是同一批次的同一角度瑕疵
• 真实有效的主动学习，必须有人盯住“冷启动陷阱”：前100张图如果全来自A产线，模型就会认定“所有缺陷都该是亮色”，等B产线暗色背景的图进来，它连基本框都画歪。我们现在的做法是强制前200张图覆盖至少3条产线、5种光照条件
• 别迷信“标注量减少50%”这种话术——减少的是总标注量，但人力成本未必降：如果每次挑出的图都要跨部门协调老师傅签字、走OA流程、等IT导出，那省下的时间可能全耗在沟通上