P:
Kako duboke tvrdoglave mreže igraju ulogu u evoluciji AI?
A:S obzirom na to, duboke tvrdoglave mreže jednostavno "dodaju funkcionalnost" postojećem tehnološkom konstruktu, generativnoj protivvjetničarskoj mreži (GAN), ali u stvarnosti, nedavna evolucija duboko tvrdoglave mreže govori nam o temeljnim stvarima o tome kako se AI može razvijati prema značajno modeliranje ljudskog odlučivanja.
Duboko tvrdoglava mreža oslanja se na međusobnu interakciju unutar GAN-a dva AI-entiteta: „generatora“ i „diskriminatora“. Generator "generira" sadržaj ili primjere ili testne podatke ili kako god odlučite nazvati ga. Diskriminator uzima unos i razvrstava ga ili donosi odluke na temelju njega. Ova dva dijela duboko tvrdoglave mreže neovisni su subjekti za potrebe istraživanja AI, ali djeluju zajedno.
Važno je napomenuti da je dostupna javna literatura o duboko tvrdoglavim mrežama oskudna, a čini se da se sastoji od malog skupa opisa u najvišim Googleovim rang-stranicama. Jedan od najvažnijih autoriteta, KDNuggets, navodi uporabu "koeficijenta Goodfellow" koji se sam po sebi ne može otkriti pomoću Google pretraživanja. (Ian Goodfellow je informatičar zaslužan za neke od temeljnih ideja iza duboko tvrdoglavih mreža.)
Međutim, ideja duboke tvrdoglave mreže objašnjava se u KDNuggetsu i drugdje: osnovna ideja je da generator može "pokušati prevariti" diskriminatoru i da diskriminator može postati "diskriminiraniji" dok ne postane, na neki način, osjećajan u svojoj "sumnji" i ne odlučuje vratiti rezultate. Tada dolazi do važnog sljedećeg koraka: Program se, u obliku ljudske intervencije ili algoritama, "koaksijalno" daje odgovor.
U ovom modelu počinjemo gledati AI kako radi ogroman korak, od jednostavnog modeliranja podataka ili analize paketa treninga, do donošenja vrsta odluka na visokoj razini za koje mislimo da su u ljudskoj domeni. Ocjenjujući obrasce "izbora" AI diskriminator i uzorke "izbora" čovjeka, komad KDNuggets navodi "Paradoks izbora" koji je započeo Barry Schwartz. Neke neovisne objave na blogu opisuju kako duboka tvrdoglava mreža naglašava ljudsko ponašanje: J. Yakov Stern objašnjava trenutna ograničenja i mogući napredak u dugotrajnom izlaganju IVR-u, a Alexia Jolicoeur-Martineau otkriva neke nedavne rezultate koje GAN mogu proizvesti.
Dakle, u određenom smislu, glavni utjecaj duboko tvrdoglavih mreža na AI je preusmjeravanje ili širenje istraživanja izvan onih vrsta odluka koje su lako primjenjive za poduzeća, te promicanje revolucionarnih istraživanja prema tome da računala postanu sličnija ljudima. Može se koristiti bilo koji broj aplikacija ove ideje za poduzeća, ali one nisu tako izrezane i osušene kao, recimo, trenutna primjena algoritama strojnog učenja na motorima s preporukama potrošača ili upotreba pametnih ML procesa u marketingu. Čini se da DSN istraživanja sugeriraju da AI entitete možemo učiniti osjetljivijima, što sa sobom nosi dobar rizik i nagradu.
