受 Galaxy Mergers 启发的无监督 AI 像人类一样学习

快速阅读: 据《ZME 科学》最新报道，研究人员从星系碰撞中汲取灵感，开发出一种名为“扭力聚类”的新型人工智能算法。该算法通过模拟数据点间的引力平衡，实现自主聚类，无需人工参数设定。在多项测试中表现出色，有望推动多个领域的技术进步。该成果已开源并在GitHub上发布。

脸书X领英Pinterest电子邮件插图由Midjourney生成。在浩瀚的宇宙中，星系碰撞、合并并重新排列自身，在引力主导的宇宙舞蹈中演绎着一幕幕壮丽景象。如今，研究人员从这一天文现象中汲取灵感，创造了一种新型的人工智能算法，这种算法可能引领真正自主的人工智能。这种名为扭力聚类的方法可能引领真正自主的人工智能。与依赖繁琐标注数据集的传统方法不同，扭力聚类可以自主运行——这是无监督学习领域的一个重要进展，它可以在没有任何人为干预的情况下揭示数据中的模式。

从星系到算法：什么是扭力聚类？从根本上讲，扭力聚类基于宇宙的两个基本属性：质量和距离。就像星系之间相互施加引力一样，该算法通过模拟数据点之间的扭力平衡来识别数据中的聚类。“这个方法受到了星系合并时引力相互作用中的扭力平衡启发，”该研究的主要作者杨杰博士说。“这种与物理学的联系为该方法增添了科学上的根本意义。”

从星系到算法：什么是扭力聚类？不同于依赖预设规则，该算法让数据点“相互吸引”，形成响应模拟吸引力和旋转力的群组。正如恒星和暗物质在引力作用下自我组织一样，人工智能系统中的数据也可以根据扭力原则自我组织。该算法最显著的特点是其自主性。传统的聚类方法，如K均值或DBSCAN，需要人工输入参数，例如聚类数量或距离阈值。这些预定义的值如果不正确校准，可能会导致错误。然而，扭力聚类完全不需要人工介入。它可以自主识别数据集中的聚类，并适应不同的形状、密度和噪声水平。

在对1000个多样化数据集进行严格测试后，扭力聚类达到了平均调整互信息（AMI）得分为97.7%，这是一个衡量其将数据组织成聚类效果的指标。相比之下，其他最先进的方法通常得分在80%左右。这种性能表明，扭力聚类可能在生物学、医学、金融和天文学等领域超越现有技术。

迈向真正的自主人工智能

据悉悉尼科技大学林振腾教授称，该算法代表了向通用人工智能（AGI）迈进的一步，这是一种能够执行人类所能做的一切智力任务的人工智能。“在自然界中，动物通过观察、探索和与其环境互动来学习，而没有明确的指导，”林教授说。“下一代人工智能‘无监督学习’旨在模仿这种方法。”

迈向真正的自主人工智能

扭力聚类最有前景的应用之一是在机器人和自主系统中。通过使机器能够在没有人工指导的情况下处理和解释数据，该算法可以实时优化运动、控制和决策。这在自动驾驶汽车、工业自动化甚至太空探索中可能具有革命性的意义。

但通往AGI的道路并非没有挑战。尽管扭力聚类完全自主且无需参数设定，但仍存在关于其可扩展性和潜在局限性的问题。例如，该算法在高度复杂或模糊的数据集中是否有困难？它如何处理数据中的偏见等伦理问题？

这是一个开源项目，自2024年5月起在GitHub上提供，邀请世界各地的研究人员探索这些问题并进一步完善该方法。扭力聚类的发展正值人工智能领域迅速演变之时。去年的诺贝尔物理学奖认可了使监督式机器学习成为可能的基础发现。现在，受扭力原理和自然智能启发的无监督学习可能会产生类似的影响。研究成果发表在《IEEE模式分析与机器智能汇刊》上。

脸书X领英Pinterest电子邮件

相关文章：

微型新一代机器人能在陆地行走、水上漂浮或游泳，同时非常可爱。

更坚固、更持久的钙钛矿太阳能电池板可能即将问世。

新研究表明黑猩猩也喜欢吃螃蟹。

科学家找到了利用蛋壳和番茄皮制造汽车轮胎的方法。

标签：人工智能 机器学习 扭力聚类

(以上内容均由Ai生成)