Университет технологий Сиднея представил новый алгоритм искусственного интеллекта Torque Clustering, который значительно улучшает возможности машинного обучения и анализа данных. Разработанный командой ученых, этот алгоритм приближается к естественному интеллекту, позволяя ИИ системам совершать независимый анализ больших объемов информации без необходимости человеческого вмешательства.
По словам доктора Ц.Т. Лина, отличительной чертой Torque Clustering является его способность к «обучению без надзора» — методу, который, в отличие от традиционных подходов, не требует предварительной маркировки данных. Это позволяет алгоритму раскрывать внутренние структуры и паттерны данных, что открывает новые горизонты в таких областях, как биология, химия, астрономия, психология, финансы и медицина.
Лин отметил, что существующие методы обучения с учителем часто требуют значительных затрат времени и ресурсов на маркировку данных. Torque Clustering преодолевает эти ограничения, обеспечивая высокий уровень точности и эффективности при анализе данных без предварительной обработки. Он был протестирован на 1000 различных наборов данных и продемонстрировал средний результат скорректированной взаимной информации (AMI) на уровне 97,7%, что значительно превышает показатели традиционных методов.
Алгоритм основывается на физическом понятии торка, что позволяет ему автономно идентифицировать кластеры и адаптироваться к различным типам данных. Эта связь с физикой добавляет научной значимости методу. Разработчики уверены, что Torque Clustering сможет сыграть ключевую роль в развитии общего искусственного интеллекта, особенно в области робототехники и автономных систем.
Исследование, в котором описан Torque Clustering, опубликовано в журнале IEEE Transactions on Pattern Analysis and Machine Intelligence, одном из ведущих изданий в области искусственного интеллекта. Открытый исходный код алгоритма уже доступен для исследователей, что позволит дальнейшему развитию и исследованию в данной области.