一直以来，AI 学习大多依赖人类 “手把手” 教，不过现在，科学家们带来了新惊喜！悉尼科技大学的研究人员成功研发出一种名为 “扭矩聚类”（Torque Clustering）的 AI 算法，让 AI 不用人类标记数据就能自主学习和识别规律，这可是 AI 发展路上的一大步！

咱们常见的 AI 技术，大多用的是 “监督学习” 方法。打个比方，就像老师给学生出题，不仅要给出题目，还得标好答案，AI 就照着这些 “标准答案” 来学习做预测、找规律。但这种方式问题不少，给大量数据标记既费钱又耗时，遇到复杂或者大规模的任务，更是难上加难。

而 “扭矩聚类” 算法就不一样了，它属于 “无监督学习”，能像自然界的动物一样，自己观察、探索和分析。动物们在成长过程中，没人专门给它们制定学习计划，它们靠和周围环境互动就能掌握生存技能。“扭矩聚类” 算法也想模仿这种自然学习模式。

这个算法的厉害之处在于，它是从物理学里的扭矩概念获得灵感的。大家知道星系合并吧，在这个过程中，有一种扭矩平衡现象。研究人员受此启发，利用宇宙中的两个基本属性 —— 质量和距离，设计出了这个算法。有了这个物理基础，“扭矩聚类” 算法不仅能自动识别数据中的不同类别，还能轻松应对各种形状、密度和噪声程度的数据。

研究团队在 1000 个不同的数据集上对 “扭矩聚类” 算法进行了严格测试，结果让人惊叹！衡量聚类效果的平均调整互信息（AMI）分数，它达到了 97.7%，而其他先进算法大多只能达到 80% 左右。相关研究成果已经发表在了人工智能领域的顶尖期刊《IEEE 模式分析与机器智能汇刊》上。

“扭矩聚类” 算法优势明显，它完全自主运行，不需要人为设置参数，处理大规模数据集时计算效率超高。这一算法在很多领域都能发挥大作用，比如在生物学、化学、天文学中，它能帮助科学家从海量数据里挖掘隐藏的规律；在医学领域，它可以辅助检测疾病趋势；在金融行业，还能帮忙识别欺诈行为。而且，它对通用人工智能的发展意义重大，特别是在机器人和自动驾驶系统中，能优化运动控制和决策过程。

目前，研究团队已经公开了 “扭矩聚类” 算法的源代码，方便其他科研人员进一步研究和应用。相信在不久的将来，这项技术会给 AI 领域带来更多突破，让 AI 变得越来越智能，说不定以后的 AI 就能像人类一样灵活思考、自主学习啦！

参考资料：DOI： 10.1109/TPAMI.2025.3535743