Что такое active learning: uncertainty sampling, BALD, query-by-committee — и как он экономит labeling cost?

Active learning — paradigm, где модель сама выбирает что разметить. Цикл: small init labeled set → train → predict на pool → выбрать топ-N «interesting» примеров → разметить → повторить. После 5-10 итераций качество ≈ как у passive с ×10 labels. Стратегии: uncertainty sampling (least confidence / margin / entropy), BALD (mutual information для BNN / MC-dropout), query-by-committee (disagreement между N моделями), diversity sampling (cluster pool). Готовый фреймворк — modAL.