Un nouvel algorithme améliore la façon dont l’IA peut apprendre et découvrir indépendamment les modèles dans les données

Les chercheurs ont développé un nouvel algorithme d’IA, appelé clustering de couple, qui est beaucoup plus proche de l’intelligence naturelle que les méthodes actuelles. Il améliore considérablement la façon dont les systèmes d’IA apprennent et découvrent les modèles dans les données indépendamment, sans guidage humain.

Le clustering de couple peut analyser efficacement et autonome de grandes quantités de données dans des domaines tels que la biologie, la chimie, l’astronomie, la psychologie, la finance et la médecine, révélant de nouvelles idées telles que la détection des modèles de maladies, la découverte de fraude ou la compréhension du comportement.

« Dans la nature, les animaux apprennent en observant, en explorant et en interagissant avec leur environnement, sans instructions explicites. La prochaine vague d’IA, un apprentissage non supervisé » vise à imiter cette approche « , a déclaré le professeur distingué CT Lin de l’Université de technologie Sydney ( Uts).

«Presque toutes les technologies d’IA actuelles reposent sur« l’apprentissage supervisé », une méthode de formation en IA qui nécessite de grandes quantités de données à étiqueter par un humain en utilisant des catégories ou des valeurs prédéfinies, afin que l’IA puisse faire des prédictions et voir les relations.

« L’apprentissage supervisé a un certain nombre de limitations. Les données d’étiquetage sont coûteuses, longues et souvent peu pratiques pour les tâches complexes ou à grande échelle. Un apprentissage non supervisé, en revanche, fonctionne sans données étiquetées, découvrant les structures et les modèles inhérents dans les ensembles de données. »

Un article détaillant la méthode de clustering de couple, «clustering autonome par découverte rapide de pics de masse et de distance», a été publié dans Transactions IEEE sur l’analyse des modèles et l’intelligence machine.

L’algorithme de clustering de couple surpasse les méthodes d’apprentissage non supervisées traditionnelles, offrant un changement de paradigme potentiel. Il est entièrement autonome, sans paramètres et peut traiter de grands ensembles de données avec une efficacité de calcul exceptionnelle.

Il a été rigoureusement testé sur 1 000 ensembles de données diverses, atteignant un score moyen d’informations mutuelles (AMI) – une mesure des résultats de regroupement, sur 97,7%. En comparaison, d’autres méthodes de pointe n’atteignent que des scores dans la plage de 80%.

« Ce qui distingue le couple de couple, c’est sa base dans le concept physique du couple, lui permettant d’identifier les clusters de manière autonome et s’adapter de manière transparente à divers types de données, avec des formes, des densités et des densités de bruit variables », a déclaré le premier auteur, le Dr Jie Yang.

« Il a été inspiré par l’équilibre du couple dans les interactions gravitationnelles lorsque les galaxies fusionnent. Il est basé sur deux propriétés naturelles de l’univers: la masse et la distance. Cette connexion à la physique ajoute une couche fondamentale de signification scientifique à la méthode.

« Le prix Nobel de physique de l’année dernière a été décerné pour des découvertes fondamentales qui permettent l’apprentissage automatique supervisé avec des réseaux de neurones artificiels. L’apprentissage automatique non surveillé – inspiré du principe du couple – a le potentiel d’avoir un impact similaire », a déclaré le Dr Yang.

Le clustering de couple pourrait soutenir le développement de l’intelligence artificielle générale, en particulier dans la robotique et les systèmes autonomes, en aidant à optimiser le mouvement, le contrôle et la prise de décision. Il est sur le point de redéfinir le paysage de l’apprentissage non supervisé, ouvrant la voie à une IA vraiment autonome. Le code open source a été mis à la disposition des chercheurs.