تطوير خوارزمية جديدة تقرب الذكاء الاصطناعي من طريقة التعلم البشري

تمكن مجموعة من الباحثين في جامعة سيدني للتكنولوجيا (UTS) من تطوير خوارزمية ذكاء اصطناعي جديدة تحمل اسم "Torque Clustering"، وهي خطوة نوعية في مجال الذكاء الاصطناعي، وخاصة في فرع التعلم غير الخاضع للإشراف،هذه الخوارزمية تمثل طفرة في قدرة الأنظمة الذكية على التعلم بشكل يشبه الطريقة التي يتعلم بها البشر، مما يفتح آفاقًا جديدة في معالجة البيانات وتحليلها.

تطوير خوارزمية جديدة 

عادةً ما يعتمد الذكاء الاصطناعي التقليدي على التعلم الخاضع للإشراف، الذي يتطلب إدخال بيانات مصنفة يدويًا من قبل البشر، بينما تتفوق خوارزمية "Torque Clustering" من خلال قدرتها على اكتشاف الأنماط والعلاقات في البيانات بشكل مستقل دون الحاجة لأي تدخل بشري. 

وقد أثبتت الخوارزمية كفاءتها بشكل استثنائي، حيث حققت دقة تصل إلى 97.7% في اختبارات متعددة، مما يعكس تفوقها على الخوارزميات الحالية التي غالبًا ما تصل دقتها إلى 80% فقط.

تعتمد الخوارزمية الجديدة على مفهوم عزم الدوران في الفيزياء، وهي فكرة تعتبر جزءًا أساسيًا في فهم حركة الأجسام والتفاعلات بينها، تم استخدام هذا المفهوم لمحاكاة الطريقة التي تتجمع بها البيانات المتشابهة لتشكيل مجموعات متماسكة، وبذلك، يتمكن الذكاء الاصطناعي من تحديد الأنماط بشكل مستقل ومرن، مما يسهم في معالجة كميات ضخمة من البيانات غير المصنفة بكفاءة عالية.

البروفيسور تشين تنج لين، من جامعة سيدني للتكنولوجيا، صرح بأن الخوارزمية الجديدة تمثل خطوة نحو محاكاة الطريقة التي تتعلم بها الحيوانات، حيث لا تحتاج الحيوانات إلى تعليمات مباشرة لتعلم الأشياء بل تكتسب المعرفة عبر التفاعل مع بيئتها، هذه الفكرة كانت نقطة الانطلاق للجيل القادم من الذكاء الاصطناعي الذي يعتمد على التعلم غير الخاضع للإشراف.

من ناحية الأداء، أظهرت الورقة البحثية المنشورة في دورية "IEEE Transactions on Pattern Analysis and Machine Intelligence" كيف تتفوق الخوارزمية على تقنيات التعلم التقليدية، ما يجعلها محط أنظار الباحثين في مجال الذكاء الاصطناعي، وقد خضعت لاختبارات مكثفة على أكثر من 1000 مجموعة بيانات متنوعة، حيث أظهرت دقة استثنائية مقارنة بالخوارزميات الأخرى المتاحة.

يُعزى التفوق الكبير للخوارزمية إلى مفهوم عزم الدوران الذي استُلهم من فيزياء الفضاء، حيث تعمل الخوارزمية بطريقة مشابهة للآلية التي تتجمع بها المجرات نتيجة للجاذبية. 

وقال الدكتور جيه يانج، المؤلف الرئيسي للورقة البحثية، إن هذه الخوارزمية ليست فقط أسرع وأكثر دقة، بل تتمتع أيضًا بمرونة كبيرة في التكيف مع أنواع البيانات المتنوعة، بما في ذلك تلك التي تحتوي على مستويات ضوضاء عالية.

تعتبر الخوارزمية "Torque Clustering" من بين أبرز التطورات في مجال التعلم غير الخاضع للإشراف، ولها تطبيقات واسعة في العديد من المجالات، فقد أظهرت الدراسات أن الخوارزمية يمكن أن تسهم في تحسين تحليل البيانات في مجالات مثل علم الأحياء، والكيمياء، والفلك، وعلم النفس، والتمويل، وحتى الطب، على سبيل المثال، يمكن استخدامها لاكتشاف أنماط جديدة في الأمراض أو التفاعلات الكيميائية، وكذلك لتحديد الأنشطة الاحتيالية في الأسواق المالية.

بالإضافة إلى ذلك، تحمل هذه الخوارزمية إمكانيات واعدة لتطوير الذكاء الاصطناعي العام، بما في ذلك تحسين الروبوتات والأنظمة المستقلة، إذ يمكن لهذه الخوارزمية أن تساعد في تحسين حركة الروبوتات في بيئات معقدة، وتعزيز قدرتها على اتخاذ القرارات المناسبة في الوقت الفعلي.

في خطوة نحو المستقبل، تم نشر الكود المصدري لهذه الخوارزمية ليكون متاحًا للمجتمع العلمي، مما يتيح للباحثين في مختلف أنحاء العالم الاستفادة منها وتوسيع نطاق تطبيقاتها.

هذه الخوارزمية تمثل نقطة تحول في مجال الذكاء الاصطناعي، ويمكن أن تكون الأساس لثورة في كيفية تعلم وتطور الأنظمة الذكية، وتعد بتحقيق تقدم هائل نحو الذكاء الاصطناعي العام القادر على التعلم المستمر بدون تدخل بشري.

لمتابعة المزيد من الأخبار اضغط هنــــــــــــــــــــــــــــــــــــــــــــــــــــــا