Nikdo dítěti neřekne, které hlásky patří do kterého jazyka, než je začne třídit. Samostatné učení funguje stejně: algoritmus přijímá data bez popisků a musí sám najít strukturu. Neexistuje žádná správná odpověď, se kterou by se dalo ověřit, pouze vzory, které vycházejí z vlastního tvaru dat.

Klasickým příkladem je shlukování. Maloobchodník může do shlukovacího algoritmu zadat záznamy o nákupech za daný rok a objevit pět odlišných skupin zákazníků, které nikdy nedefinoval. Dalším příkladem je redukce dimenzí: zhuštění stovek měření do dvourozměrné mapy, která zachovává smysluplné vztahy.

Kde si vydělává na živobytí

• Segmentace zákazníků pro marketing
• Detekce anomálií v síťovém provozu nebo ve výrobě
• Vyhledávání témat ve velkých sbírkách dokumentů
• Předtrénovací reprezentace pro pozdější úkoly pod dohledem

Absence popisků je zároveň svobodou i břemenem. Bez základních informací je vyhodnocování výsledků subjektivní a často vyžaduje, aby člověk interpretoval, zda shluky dávají smysl. Pokud je však použití popisků nemožné nebo příliš nákladné, jsou nekontrolované metody jediným způsobem, jak zjistit, co data skrývají.