AI 新突破：扭矩聚類算法亮相，無需人工標註、自主學習準確率高達 97.7%

IT之家 2 月 17 日消息，科技媒體 scitechdaily 昨日（2 月 16 日）發佈博文，報導稱雪梨科技大學的研究人員開發了一種名為「扭矩聚類」（Torque Clustering）的全新 AI 算法，不需要人工干預，可以極大提升 AI 系統自主學習和識別數據模式的能力。

該算法模擬自然智能，在測試中準確率高達 97.7%，超越現有方法，有望引領 AI 學習的範式轉變。扭矩聚類的獨特之處在於其基於物理學中扭矩的概念，讓其能夠自主識別聚類，並無縫適應不同形狀、密度和噪聲程度的數據類型。

該算法的靈感源於星系合併過程中引力相互作用的扭矩平衡，基於質量和距離宇宙的兩個基本屬性，通過模擬自然界中的學習方式，讓 AI 像動物一樣通過觀察、探索和與環境互動來學習。

IT之家註：不同於傳統的監督學習，扭矩聚類無需人工標記數據即可識別模式，使其更具擴展性和效率。相比之下，監督學習需要大量人工標註的數據，成本高、耗時長，且對複雜或大規模任務不切實際。

扭矩聚類算法在 1000 個不同的數據集上進行了嚴格測試，平均調整互信息（AMI）得分高達 97.7%，而其他最先進的方法得分僅在 80% 左右。

該算法完全自主、無需參數，並且可以高效地處理大型數據集，其應用領域廣泛，包括生物學、化學、天文學、心理學、金融和醫學等，可用於發現疾病趨勢、識別欺詐活動和理解人類行為等。

廣告聲明：文內含有的對外跳轉鏈接（包括不限於超鏈接、二維碼、口令等形式），用於傳遞更多信息，節省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。