Дослідники створили новий алгоритм штучного інтелекту під назвою Torque Clustering, який значно підвищує здатність ШІ самостійно навчатися та виявляти закономірності в даних без людського втручання.
Новий рівень автономного навчання ШІ
Torque Clustering більш точно імітує природний інтелект, ніж існуючі методи. Цей підхід дає змогу штучному інтелекту самостійно аналізувати великі обсяги даних у різних сферах – біології, хімії, астрономії, психології, фінансах і медицині. Виявляючи приховані закономірності, він може, наприклад, прогнозувати розвиток хвороб, виявляти шахрайські схеми та аналізувати поведінку людей.
“У природі тварини навчаються, спостерігаючи, досліджуючи та взаємодіючи з навколишнім середовищем, не отримуючи чітких інструкцій. Наступний етап розвитку ШІ – це ‘навчання без нагляду’, яке прагне наслідувати цей підхід”, – пояснює професор CT Lin з Технологічного університету Сіднея (UTS).
Більшість сучасних систем ШІ працюють на основі “навчання з наглядом”, що вимагає великої кількості розмічених даних, створених людьми. Це дорого, займає багато часу й малопридатне для складних або масштабних завдань. Натомість “навчання без нагляду” аналізує дані без попередньої розмітки, самостійно знаходячи внутрішні структури та закономірності.
Переломний момент у навчанні ШІ
Дослідження, присвячене Torque Clustering, було опубліковане в IEEE Transactions on Pattern Analysis and Machine Intelligence – провідному журналі з питань штучного інтелекту. Torque Clustering перевершує традиційні методи навчання без нагляду, оскільки є повністю автономним, не потребує попередніх параметрів і здатен швидко обробляти великі набори даних.
Метод було протестовано на 1 000 різноманітних наборах даних. Він досяг середнього показника точності 97,7% за шкалою AMI (Adjusted Mutual Information), тоді як інші сучасні методи показують результати в діапазоні 80%.
Фізичне натхнення: штучний інтелект та гравітація
“Що робить Torque Clustering унікальним, так це його математична основа в концепції крутного моменту. Це дозволяє алгоритму самостійно визначати кластери й адаптуватися до різних типів даних – незалежно від їхньої форми, щільності або рівня шуму,” – пояснює провідний автор дослідження, доктор Цзе Ян.
Метод натхненний фізичними процесами, зокрема балансом крутного моменту при злитті галактик. Він базується на двох фундаментальних властивостях Всесвіту: масі та відстані.
“Минулорічна Нобелівська премія з фізики була присуджена за фундаментальні відкриття, які зробили можливим ‘навчання з наглядом’ у нейромережах. Torque Clustering, заснований на принципах фізики, може зробити аналогічний прорив у сфері ‘навчання без нагляду’,” – додає доктор Ян.
Майбутнє ШІ: автономні системи та відкритий код
Torque Clustering може сприяти розвитку загального штучного інтелекту, особливо у сфері робототехніки та автономних систем, допомагаючи оптимізувати рух, управління та прийняття рішень. Цей метод змінює уявлення про навчання без нагляду та прокладає шлях до створення справді автономного ШІ. Його відкритий вихідний код вже доступний дослідникам для подальшого вивчення та вдосконалення.