Los investigadores han desarrollado un nuevo algoritmo de IA, conocido como Tark Clustering, que está muy cerca de la inteligencia natural en comparación con los métodos actuales. Esto mejora significativamente cómo los sistemas de IA aprenden y exponen muestras en datos sin orientación humana.
La agrupación de seguimiento puede analizar de manera efectiva e independiente los datos en campos como organismos, química, astronomía, psicología, finanzas y medicina, como la detección de muestras de enfermedades, exponiendo fraude o comprensión.
“En la naturaleza, los animales aprenden observando, buscando e interactuando con su entorno”, dijo CT Lin, un destacado profesor de la Universidad de Tecnología Sydney. uts).
“Casi todas las tecnologías de IA existentes dependen de el ‘aprendizaje de vigilancia’, un método de entrenamiento de IA que requiere una gran cantidad de etiquetas de datos por parte de humanos utilizando categorías o valores predeterminados, para que la IA pueda hacer predicciones y ver relaciones.
“Existen numerosos límites para el aprendizaje bajo supervisión. El etiquetado de los datos es costoso, la demanda de tiempo y, a menudo, inapropiada para tareas complicadas o masivas. A diferencia de que hay una etiqueta para el aprendizaje no organizado”.
Una disertación que describe el procedimiento de agrupación de par, la agrupación autónoma por la rápida búsqueda de picos masivos y de distancia, acaba de aparecer Análisis de patrones y transacciones IEE en inteligencia mecánicaUna revista líder en el campo de la inteligencia artificial.
El algoritmo de agrupación de turco mejora los métodos de aprendizaje no organizados tradicionales, que ofrecen un cambio de muestra potencial. Es totalmente independiente, libre de parámetros y puede actuar en los principales datos con un rendimiento computacional extraordinario.
Se ha probado estrictamente en 1,000 datos diversos diversos, que obtuvieron la puntuación promedio de información ajustable (AMI), una medida de los resultados de la agrupación: 97.7 %. En comparación, otras formas sofisticadas son puntajes solo del 80 %.
El primer autor, el Dr. G Yang, dijo: “Lo que debe separar la agrupación del clúster es que es la base en el concepto físico del torque, lo que hace que se identifique y diversifique autónomo con diversas formas, densidad y grados de ruido que permita los tipos de datos. sin interrupción.
“Esta gravedad fue influenciada por el equilibrio de Touque en la conversación de gravedad cuando las horca están integradas. Se basa en las dos características naturales del universo: masiva y distancia. Esta relación con la física es una capa básica de importancia científica en este procedimiento .
El Dr. Yang dijo: “El Premio Nobel del año pasado se dio para descubrimientos básicos que permiten el aprendizaje automático con redes nerviosas artificiales. Comprender el aprendizaje automático, influenciado por el principio de torque, la capacidad de tener un efecto”.
La agrupación turística puede apoyar el desarrollo de la inteligencia artificial común, especialmente en robótica y sistemas autónomos, ayudando a mejorar el movimiento, el control y la toma de decisiones. Está realmente listo para explicar el paisaje del aprendizaje poco realista, allanando el camino para una IA soberana. El código de código abierto se ha puesto a disposición de los investigadores.
