Что такое активное обучение: отбор примеров по неуверенности модели, BALD, «запрос к комитету» — и как это экономит на разметке?

Активное обучение (active learning) — подход, где модель сама выбирает, что разметить дальше. Цикл: небольшой стартовый размеченный набор → обучение → предсказания на всём массиве → выбрать N самых «интересных» примеров → разметить → повторить. После 5-10 кругов качество примерно как при обычной разметке в 10 раз большего объёма. 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.