対照学習は、一般的には機械学習の一分野で、特に深層学習や表現学習において利用される手法の一つです。対照学習の主な目的は、データの有益な表現を学習することで、これによりその後のタスク（分類、クラスタリングなど）を改善することが可能になります。
対照学習は基本的に、「ポジティブペア」（似ている）と「ネガティブペア」（似ていない）を区別する能力をモデルに学習させます。例えば、画像認識タスクでは、同じオブジェクトの異なる画像（ポジティブペア）と、異なるオブジェクトの画像（ネガティブペア）をモデルに与え、その違いを識別できるようにします。
以下に一般的な対照学習の手順を示します：
入力データから「ポジティブペア」を生成します。これは通常、同一または類似のデータの異なる視点、状況、変換等からなります（例えば、同じ物体の異なる画像）。
同様に、「ネガティブペア」も生成します。これは通常、異なるデータから成ります（例えば、異なる物体の画像）。
モデルには、ポジティブペアが似ており、ネガティブペアが似ていないと識別できるように学習させます。
この手法により、モデルは、入力データの潜在的な特徴やパターンを捉え、より高度なタスクを達成するための有益な表現を学習します。対照学習は、教師なし学習や半教師あり学習のコンテキストで広く使用されています。