Istraživači su razvili novi algoritam veštačke inteligencije nazvan klasteriranje obrtnog momenta, koji značajno poboljšava sposobnost AI sistema da autonomno uče i prepoznaju obrasce u podacima, bez ljudskih smernica. Ovaj algoritam predstavlja korak ka prirodnijoj inteligenciji i može se primeniti u oblastima kao što su medicina, biologija, finansije i astronomija.
„U prirodi, životinje uče posmatranjem i interakcijom sa okruženjem, bez eksplicitnih uputstava. Sledeći talas AI-a, nazvan nezavisno učenje, ima za cilj da oponaša ovaj pristup“, izjavio je profesor CT Lin sa Univerziteta tehnologije u Sidneju (UTS).
Za razliku od tradicionalnog nadziranog učenja, koje zahteva ogromne količine označenih podataka, klasteriranje obrtnog momenta funkcioniše bez unapred definisanih kategorija, samostalno otkrivajući skrivene strukture i obrasce u podacima.
Istraživački rad koji opisuje ovaj metod, „Autonomno klasteriranje brzim nanošenjem masovnih i udaljenih vrhova“, objavljen je u uglednom časopisu IEEE Transactions on Pattern Analysis and Machine Intelligence.
Testiran na 1.000 različitih skupova podataka, algoritam je postigao impresivan prosečan rezultat prilagođene međusobne informacije (AMI) od 97,7%, što je znatno više od postojećih metoda koje dostižu najviše 80%.
„Njegova osnova u fizičkom konceptu obrtnog momenta omogućava mu da autonomno prepoznaje klastere i prilagođava se raznolikim tipovima podataka“, objašnjava dr Jie Iang, vodeći autor studije. Algoritam je inspirisan načinom na koji se galaksije spajaju u gravitacionim interakcijama, koristeći temeljne fizičke osobine – masu i udaljenost – kako bi poboljšao sposobnost AI sistema da analizira podatke.
Ovaj pristup mogao bi imati ogroman uticaj na razvoj opšte veštačke inteligencije, posebno u oblasti robotike i autonomnih sistema, optimizujući kretanje, donošenje odluka i kontrolne mehanizme. Kako bi podstakao dalja istraživanja, tim je učinio algoritam otvorenog koda dostupnim istraživačima širom sveta.
