AI革命性突破！無需人工標籤的自主學習系統問世

澳洲科技大學（UTS）的傑出教授林振廷帶領研究團隊，開發出一款名為「扭矩聚類」（Torque Clustering）的創新AI演演算法。這項技術突破性地模仿自然智慧，讓AI系統能夠自主學習並識別資料模式，完全不需要人類介入指導。

這套演演算法可廣泛應用於生物學、化學、天文學、心理學、金融和醫學等多個領域。透過分析龐大資料集，它能挖掘出隱藏的模式，為疾病趨勢預測、詐欺行為偵測，以及人類行為理解等提供寶貴洞見。

林教授指出，現今多數AI技術都依賴「監督式學習」，需要大量人工標註的資料來訓練系統。這種方式不僅耗時費力，在處理複雜或大規模任務時往往難以實行。相較之下，「無監督學習」則讓AI像自然界中的生物一樣，透過觀察、探索和互動來自主學習，無需預先標註的資料。

這項研究成果已發表在頂尖期刊《IEEE模式分析與機器智慧匯刊》上。研究團隊表示，Torque Clustering演演算法在1,000個不同資料集上的測試中，平均調整互資訊（AMI）得分高達97.7%，遠超其他現有技術的80%水平。

該演演算法的獨特之處在於其物理學基礎。第一作者楊傑博士解釋，Torque Clustering的靈感來自於星系合併時的引力扭矩平衡，基於宇宙中質量和距離這兩個基本屬性。這種與物理學的連結，為該方法增添了深層的科學意義。

楊博士進一步指出，去年諾貝爾物理學獎的獲獎研究為監督式機器學習奠定了基礎，而基於扭矩原理的無監督機器學習，同樣具有開創性影響的潛力。

這項技術有望推動通用人工智慧的發展，特別是在機器人和自主系統領域，幫助最佳化運動控制與決策能力。研究團隊已將開源程式碼公開，供學界使用，為真正自主的AI發展鋪平道路。

參考文獻：Yang, J., & Lin, C. T. (2025). Autonomous clustering by fast find of mass and distance peaks. IEEE Transactions on Pattern Analysis and Machine Intelligence, 10.1109/TPAMI.2025.3535743