Q:
Hvordan spiller dype sta nettverk en rolle i AI-evolusjonen?
EN:På forsiden av det, dype gjenstridige nettverk bare "legge til funksjonalitet" til en eksisterende teknologisk konstruksjon, det generative adversarial nettverket (GAN), men i virkeligheten forteller den nylige utviklingen av det dype sta nettverket oss grunnleggende ting om hvordan AI kan utvikle seg mot betydelig modellering av menneskelige beslutninger.
Det dype gjenstridige nettverket er avhengig av samspillet i GAN fra to AI-enheter: "generatoren" og "diskriminerende." Generatoren "genererer" innhold eller eksempler eller testdata eller hva du enn velger å kalle det. Diskriminerende tar innspillene og sorterer det eller tar beslutninger basert på det. Disse to delene av et dypt sta nettverk er uavhengige enheter for formålene med AI-forskning, men de samarbeider.
Det er viktig å merke seg at tilgjengelig offentlig litteratur om dype gjenstridige nettverk er snau, og ser ut til å bestå av et lite sett med vanlige beskrivelser på topp Google-rangeringssider. En av de mest autoritative, hos KDNuggets, siterer bruken av en "Goodfellow-koeffisient" som er uoppdagelig på egen hånd gjennom et Google-søk. (Ian Goodfellow er informatiker som er kreditert noen av de grunnleggende ideene bak dype gjenstridige nettverk.)
Ideen om det dype gjenstridige nettverket blir imidlertid forklart på KDNuggets og andre steder: den grunnleggende ideen er at generatoren kan "prøve å lure" diskriminereren, og at diskriminereren kan gjøres "mer diskriminerende" til den blir på en måte, sentient i sin "egen tvil" og velger ikke å returnere resultater. Deretter oppstår et viktig neste trinn: Programmet, enten gjennom menneskelig intervensjon eller algoritmer, "koxes" for å gi et svar.
I denne modellen begynner vi å se AI ta et enormt skritt, fra å bare modellere data eller analysere treningssett, til faktisk å ta de slags beslutninger på høyt nivå som vi tenker på å være i det menneskelige domene. I evalueringen av "valg" -mønstrene til AI-diskriminatoren og "valg" -mønstrene til et menneske, siterer KDNuggets-stykket "Paradox of Choice" som var pioner for Barry Schwartz. Noen uavhengige blogginnlegg beskriver hvordan det dype gjenstridige nettverket fremhever i hovedsak menneskelig atferd: J. Yakov Stern utstråler de nåværende begrensningene og mulige fremskritt i en lang avrettingsgrad på IVR, og Alexia Jolicoeur-Martineau avslører noen av de nylige resultatene GAN kan gi.
Så på en måte er den primære effekten av dype gjenstridige nettverk på AI å orientere eller utvide forskningen utover de typer beslutninger som er lett anvendelige for bedrifter, og å fremme banebrytende forskning for å gjøre datamaskiner enda mer som mennesker. Det kan være et stort antall applikasjoner av denne ideen til bedriften, men de er ikke så kuttet og tørket som, for eksempel, den nåværende bruken av maskinlæringsalgoritmer til forbrukernes anbefalingsmotorer, eller bruk av smarte ML-prosesser i markedsføring. DSN-forskning ser ut til å antyde at vi kan gjøre AI-enheter mer følsomme, som medfører en god del risiko, samt belønning.
