محققان در یک پژوهش جدید، رویکرد متفاوتی برای خوشهبندی تصاویر (Image Clustering) ارائه کردهاند که محدودیتهای رایج مدلهای مبتنی بر گرادیان را کنار میزند.
این متد جدید که «Converge to Surprise» نام دارد، به جای تکیه بر اهداف از پیش تعیینشده، با استفاده از یک راهبرد تکاملی، «میزان غافلگیری» (Surprise Score) را در خروجی مدل به حداکثر میرساند تا ساختارهای پنهان و غیرتصادفی دادهها را کشف کند. این نوآوری موفق شده در بنچمارکهای استاندارد، نتایج درخشانی کسب کند و استانداردهای جدیدی برای خوشهبندی عمیق تعریف کند.
تغییر پارادایم از «کاهش خطا» به «بیشینهسازی غافلگیری» میتواند آینده یادگیری خودنظارتی (Self-supervised) را متحول کند. 🧠💡
منبع: arXiv Machine Learning