详细内容或原文请订阅后点击阅览
受到星系合并启发的无监督的AI像人类一样学习
一种自主聚类方法模仿自然学习，具有巨大的潜在优势，以真正“思考” AI。
来源:ZME科学在宇宙的广阔广阔，星系在由重力控制的宇宙舞蹈中碰撞，合并并重塑自己。现在，研究人员已经从这种天体现象中汲取了灵感，以创建一种新的人工智能算法，可以改变机器的学习方式。
称为扭矩聚类，此方法可以为真正的自主ai铺平道路。与依靠刻板标记的数据集的传统方法不同，扭矩聚类是自主运行的 - 无监督学习的巨大飞跃，它在没有任何人类干预的情况下发现了数据中的模式。
从星系到算法：什么是扭矩聚类？
在其核心上，扭矩簇植根于宇宙的两个基本特性：质量和距离。就像星系相互发挥引力力一样，该算法通过模拟数据点之间的扭矩平衡来识别数据中的簇。该研究的首席作者Jie Yang博士说：“当星系合并时，重力互动的扭矩平衡的启发。” “与物理学的这种联系为该方法增添了科学意义的基本层。”
，该算法不是依靠预定的规则，而是让数据点“拉”，从而响应吸引和旋转的模拟力而形成组。正如恒星和暗物质在重力下自我组织一样，AI系统中的数据也可以根据扭矩原理进行自组织。
算法的自主权是其最引人注目的功能。传统的聚类方法（例如K-均值或DBSCAN）需要人类输入来设置诸如簇数或距离阈值之类的参数。如果未正确校准，这些预定义值可能会导致错误。但是，扭矩聚类完全消除了对人类干预的需求。它自主识别数据集中的簇，无缝地适应不同的形状，密度和噪声水平。