Mungkinkah AI Segera Belajar Tanpa Pengawasan Karena Torque Clustering?

Peneliti University of Technology Sydney memperkenalkan Torque Clustering, algoritme untuk mengelompokkan data tanpa label kelas yang disediakan manusia. Metode ini menggunakan ukuran dan jarak kelompok untuk menentukan penggabungan. Penelitian yang terbit di IEEE Transactions on Pattern Analysis and Machine Intelligence membahas teknik analisis data, bukan bukti terciptanya kecerdasan buatan umum yang sepenuhnya mandiri.

Apa itu pengelompokan tanpa pengawasan?

Clustering menyatukan titik data yang memiliki kemiripan. Berbeda dari banyak tugas klasifikasi, algoritme tidak diberi label benar untuk setiap titik selama proses pengelompokan. Hal ini dapat mengurangi kebutuhan pelabelan pada beberapa pekerjaan, tetapi mutu data, ukuran jarak yang tepat, dan pemeriksaan hasil tetap penting.

Bagaimana Torque Clustering bekerja?

Dalam aturan yang diusulkan peneliti, sebuah kelompok umumnya terhubung ke kelompok lebih besar yang paling dekat. Jika dua kelompok sama-sama besar dan jaraknya jauh, keduanya dapat tetap terpisah. Algoritme menggunakan kombinasi ukuran kelompok dan jarak untuk mengenali penggabungan yang tidak tepat, memperkirakan jumlah kelompok, serta menangani sebagian titik bising tanpa harus menetapkan jumlah klaster sejak awal. Istilah “massa” di sini adalah sifat matematis kelompok data, bukan gaya gravitasi benda langit.

Makna hasil pengujian

Menurut makalah dan penjelasan universitas, metode ini diuji pada sekitar 1.000 kumpulan data sintetis dan nyata. Nilai rata-rata adjusted mutual information (AMI) yang dilaporkan adalah 97,7%, sedangkan metode pembanding terpilih berada pada kisaran sekitar 80%. AMI mengukur kesesuaian antara kelompok yang ditemukan dan kategori rujukan. Angka tersebut tidak menjamin akurasi yang sama pada setiap kumpulan data baru.

Penulis menyediakan kode sehingga hasil dapat diperiksa peneliti lain. Kecepatan dan kualitas tetap bergantung pada ukuran serta karakteristik data, definisi jarak, dan metode pembanding. Hasil clustering ini bukan sistem siap pakai untuk diagnosis, pencegahan penipuan, atau keputusan robot otonom; setiap penggunaan semacam itu perlu validasi tersendiri.

Potensi dan keterbatasan

Torque Clustering berpotensi membantu menemukan pola dalam data biologi, keuangan, astronomi, dan bidang lain. Makna nyata suatu kelompok masih perlu ditafsirkan ahli. Mengelompokkan data tanpa label tidak sama dengan AI yang bisa menetapkan tujuannya sendiri dan bertindak aman di dunia nyata.

Intuitive Surgical membuat robot bedah, tetapi tidak disebut sebagai mitra penelitian Torque Clustering. Temuan ini tidak langsung memprediksi pendapatan, produk, atau harga saham perusahaan tersebut.

Intuitive Surgical Inc. (ISRG )

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