如今，ImageNet上图像识别精度的性能提升通常一次只有零点几个百分点，而来自谷歌研究人员的最新研究，如图灵奖获得者杰弗里·辛顿（Geoffrey Hinton）已经将无监督学习的指数提高了7-10%，甚至可以与有监督学习的效果相媲美。
Geoffrey Hinton领导的研究小组最近提出的无监督SimCLR方法立即引起广泛关注：
Geoffrey Hinton表明SimCLR是一种简单明了的方法，它允许人工智能在没有类标记的情况下学习可视化表示，并能达到有监督学习的精度。本文作者指出，在ImageNet上对1%的图像标签进行微调后，SimCLR可以达到85.8%的前5位精度，仅用1%的A
