2月17日、テクノロジーメディアのscitechdailyは昨日（2月16日）のブログ記事で、シドニー工科大学の研究者らが「トルククラスタリング」と呼ばれる新しいAIアルゴリズムを開発したと報じた。このアルゴリズムは、人間の介入なしにAIシステムが自律的に学習し、データパターンを識別する能力を大幅に向上させることができる。

このアルゴリズムは自然知能をシミュレートし、テストで97.7%の精度を達成しました。これは既存の手法を凌駕し、AI学習におけるパラダイムシフトを導く可能性を秘めています。トルククラスタリングのユニークな点は、物理学におけるトルクの概念に依拠していることです。これにより、自律的にクラスターを識別し、形状、密度、ノイズレベルが異なるデータタイプにシームレスに適応することができます。

このアルゴリズムは、銀河合体時の重力相互作用のトルクバランスに着想を得ており、宇宙の2つの基本的な特性である質量と距離に基づいています。自然界の学習方法をシミュレートすることで、AIは観察、探索、そして環境との相互作用を通じて動物のように学習することができます。

注: 従来の教師あり学習とは異なり、トルククラスタリングは手動でラベル付けされたデータなしでパターンを識別できるため、よりスケーラブルで効率的です。一方、教師あり学習では大量の手動でラベル付けされたデータが必要となり、コストと時間がかかり、複雑または大規模なタスクには実用的ではありません。

トルク クラスタリング アルゴリズムは 1,000 種類の異なるデータセットで厳密にテストされ、平均調整相互情報量 (AMI) スコア 97.7% を達成しました。一方、他の最先端の方法ではスコアが 80% 程度にとどまりました。

このアルゴリズムは完全に自律的で、パラメータを必要とせず、大規模なデータセットを効率的に処理できます。その応用範囲は生物学、化学、天文学、心理学、金融、医学など多岐にわたり、疾病の傾向の発見、不正行為の特定、人間の行動の理解などに活用できます。(顧元)