悉尼科技大学开发“扭矩聚类”算法，AI自主学习能力大幅提升

　　悉尼科技大学的研究团队近日发布了一种名为“扭矩聚类”的全新AI算法。该算法模拟自然智能，无需人工干预即可大幅提高AI系统自主学习和识别数据模式的能力。在测试中，扭矩聚类的准确率高达97.7%，超越现有方法，有望引领AI学习的范式转变。

　　扭矩聚类的独特之处在于其基于物理学中的扭矩概念，能够自主识别聚类，并无缝适应不同形状、密度和噪声程度的数据类型。其灵感源于星系合并过程中引力相互作用的扭矩平衡，通过模拟自然界的学习方式，让AI像动物一样通过观察、探索和与环境互动来学习。

　　不同于传统的监督学习，扭矩聚类无需人工标记数据即可识别模式，使其更具扩展性和效率。该算法在1000个不同的数据集上进行了严格测试，平均调整互信息(AMI)得分高达97.7%。其完全自主、无需参数的特点使其能高效处理大型数据集，广泛应用于生物学、化学、天文学、心理学、金融和医学等领域，如发现疾病趋势、识别欺诈活动和理解人类行为等。