क्या AI टॉर्क क्लस्टरिंग के कारण शीघ्र ही अनसुपरवाइज़्ड सीख सकता है?

यूनिवर्सिटी ऑफ टेक्नोलॉजी सिडनी के शोधकर्ताओं ने बिना लेबल वाले डेटा को समूहों में बाँटने के लिए ‘टॉर्क क्लस्टरिंग’ नाम का एल्गोरिद्म प्रस्तुत किया है। यह क्लस्टर के आकार और दूरी के आधार पर समूह बनाता है। IEEE Transactions on Pattern Analysis and Machine Intelligence में प्रकाशित अध्ययन डेटा विश्लेषण की एक विधि के बारे में है; इससे पूरी तरह स्वायत्त या सामान्य कृत्रिम बुद्धिमत्ता बन जाने का प्रमाण नहीं मिलता।

क्लस्टरिंग क्या है?

क्लस्टरिंग में मिलते-जुलते डेटा बिंदुओं को समूहों में रखा जाता है। कई वर्गीकरण कार्यों में मानव द्वारा दिए गए लेबल की आवश्यकता होती है, जबकि क्लस्टरिंग जैसे अनसुपरवाइज़्ड तरीकों का लक्ष्य बिना ऐसे लेबल के डेटा की संरचना खोजना है। इससे कुछ कार्यों में लेबल लगाने की जरूरत घट सकती है, लेकिन अच्छे डेटा, उचित दूरी माप और परिणामों की जाँच की जरूरत बनी रहती है।

टॉर्क क्लस्टरिंग कैसे काम करता है?

मूल शोधपत्र में प्रस्तावित नियम के अनुसार कोई समूह सामान्यतः अपने निकटतम अधिक बड़े ‘द्रव्यमान’ वाले समूह से जुड़ता है। जब दोनों समूह अपेक्षाकृत बड़े हों और दूरी भी अधिक हो, तो उन्हें अलग रखा जा सकता है। एल्गोरिद्म द्रव्यमान और दूरी के उभार देखकर गलत विलयों की पहचान करता है। इस तरह वह समूहों की संख्या और कुछ शोर वाले बिंदुओं को बिना पहले से तय क्लस्टर संख्या के संभाल सकता है। यहाँ ‘द्रव्यमान’ डेटा समूह का गणितीय गुण है, वास्तविक आकाशगंगाओं का गुरुत्वाकर्षण नहीं।

परीक्षणों का अर्थ

शोधकर्ताओं और विश्वविद्यालय के विवरण के अनुसार विधि को लगभग 1,000 कृत्रिम और वास्तविक डेटासेट पर परखा गया। रिपोर्ट किया गया औसत adjusted mutual information (AMI) स्कोर 97.7% था, जबकि तुलना में चुनी गई अन्य विधियों के अंक लगभग 80% के दायरे में थे। AMI समूहों और ज्ञात संदर्भ वर्गों के बीच मेल का आँकड़ा है। इस परीक्षण का अंक हर नए डेटासेट पर समान सटीकता की गारंटी नहीं है।

लेखकों ने अपना कोड उपलब्ध कराया है, जिससे अन्य शोधकर्ता परिणाम जाँच सकते हैं। फिर भी गति और गुणवत्ता डेटा के आकार, विशेषताओं, दूरी की परिभाषा तथा तुलना की विधि पर निर्भर करेगी। क्लस्टरिंग को रोबोट के स्वतंत्र निर्णय, चिकित्सकीय निदान या धोखाधड़ी पकड़ने के लिए सीधे तैयार प्रणाली समझना गलत होगा; इन उपयोगों के लिए अलग परीक्षण और सत्यापन चाहिए।

संभावित उपयोग और सीमाएँ

जीवविज्ञान, वित्त, खगोल विज्ञान और अन्य क्षेत्रों में बड़े डेटासेट के भीतर छिपे समूह खोजने के लिए यह तरीका उपयोगी हो सकता है। समूहों का वास्तविक अर्थ विशेषज्ञों को देखना होगा। अनसुपरवाइज़्ड समूह बनाना, स्वयं लक्ष्य चुनने या सुरक्षित कार्य करने वाली AI के बराबर नहीं है।

कंपनी संदर्भ

Intuitive Surgical शल्य चिकित्सा रोबोट बनाती है, लेकिन उसे टॉर्क क्लस्टरिंग अध्ययन का भागीदार नहीं बताया गया। शोध से उसके उत्पादों, राजस्व या शेयर मूल्य में बदलाव का सीधा अनुमान नहीं निकलता।

Intuitive Surgical Inc. (ISRG )

संदर्भ: Yang, J. और Lin, C.-T., IEEE Transactions on Pattern Analysis and Machine Intelligence 47, 5336–5349 (2025), doi:10.1109/TPAMI.2025.3535743।