I ricercatori hanno sviluppato un nuovo algoritmo di IA, chiamato Torque Clustering, che si avvicina notevolmente all’intelligenza naturale rispetto ai metodi attuali. Questo innovativo algoritmo è in grado di analizzare in modo efficiente e autonomo grandi quantità di dati in vari campi, tra cui biologia, chimica, astronomia, psicologia, finanza e medicina. Grazie a Torque Clustering, è possibile ottenere nuove intuizioni, come rilevare modelli di malattia, scoprire frodi o comprendere il comportamento umano.
La maggior parte delle tecnologie di IA attuali si basa sull’apprendimento supervisionato, un metodo che richiede l’etichettatura di grandi quantità di dati da parte di esseri umani utilizzando categorie o valori predefiniti. Questo processo è spesso costoso, richiede molto tempo e può risultare impraticabile per compiti complessi o su larga scala. Al contrario, l’apprendimento non supervisionato funziona senza dati etichettati, scoprendo le strutture e gli schemi intrinseci all’interno dei set di dati.
Un documento che descrive in dettaglio il metodo Torque Clustering, intitolato “Autonomous clustering by fast find of mass and distance peaks”, è stato recentemente pubblicato su IEEE Transactions on Pattern Analysis and Machine Intelligence, una rivista leader nel campo dell’intelligenza artificiale. Questo algoritmo supera i tradizionali metodi di apprendimento non supervisionato, offrendo un potenziale cambiamento di paradigma. È completamente autonomo, privo di parametri e in grado di elaborare grandi set di dati con un’eccezionale efficienza computazionale.
Il Torque Clustering è stato rigorosamente testato su 1.000 diversi set di dati, ottenendo un punteggio medio di informazione reciproca (AMI) aggiustato del 97,7%, una misura dei risultati di clustering. “Ciò che distingue Torque Clustering è la sua fondazione nel concetto fisico di coppia, che gli consente di identificare autonomamente i cluster e di adattarsi senza soluzione di continuità a diversi tipi di dati, con forme, densità e gradi di rumore variabili”, ha affermato il primo autore Dr Jie Yang.
Fonte: Science Daily
Ricevi le ultime attualità sul mondo tech!
