V:
Kako globoko trdovratne mreže igrajo vlogo pri evoluciji AI?
A:Kljub temu globoke trdovratne mreže preprosto "dodajo funkcionalnost" obstoječemu tehnološkemu konstruktu, generativnemu nasprotnemu omrežju (GAN), v resnici pa nam nedavni razvoj globoko trdovratne mreže govori o temeljnih stvareh o tem, kako se lahko AI razvija v smeri pomembno modeliranje človekovega odločanja.
Globoko trdovratna mreža se opira na prepletanje dveh AI "entitet" znotraj GAN: "generatorja" in "diskriminatorja." Generator "ustvari" vsebino ali primere ali preskusne podatke ali karkoli že izberete, da ga pokličete. Diskriminator sprejme vložek in ga razvrsti ali na podlagi njega sprejme odločitve. Ta dva dela globoke trdovratne mreže sta neodvisna entiteta za namene raziskav AI, vendar delujeta skupaj.
Pomembno je opozoriti, da je razpoložljiva javna literatura o globoko trdovratnih omrežjih malo, saj se zdi, da vsebuje majhen niz skupnih opisov na najboljših Googlovih straneh z razvrstitvami. Eden najbolj avtoritativnih v podjetju KDNuggets navaja uporabo "koeficienta Goodfellow", ki ga ni mogoče razkriti samo z iskanjem po Googlu. (Ian Goodfellow je računalničar, ki je zaslužen za nekatere temeljne ideje v globokih trdovratnih mrežah.)
Vendar je ideja o globoki trdovratni mreži razlagana v KDNuggets in drugod: osnovna ideja je, da lahko generator "poskusi prevarati" diskriminatorja in da lahko diskriminator postane "bolj diskriminatoren", dokler ne postane na nek način, čuteč v svojem »dvomu o sebi« in se ne odloči vrniti rezultatov. Nato pride do pomembnega naslednjega koraka: Program se prek človekovega posredovanja ali algoritmov "prevleče", da ponudi odgovor.
V tem modelu začnemo opazovati AI izredno velik korak, od preprostega modeliranja podatkov ali razčlenitve učnih sklopov do dejanskega sprejemanja takšnih odločitev na visoki ravni, za katere mislimo, da so v človeški domeni. Pri ocenjevanju vzorcev "izbire" diskriminatorja AI in "izbire" človeka, del KDNuggets navaja "Paradoks izbire", ki ga je uvedel Barry Schwartz. Nekatere neodvisne objave na blogu opisujejo, kako globoko trmasto omrežje poudarja v bistvu človeško vedenje: J. Yakov Stern razkriva trenutne omejitve in možen napredek v dolgotrajnem zastiranju IVR, Alexia Jolicoeur-Martineau pa razkriva nekatere nedavne rezultate, ki jih lahko prinesejo GAN.
V določenem smislu je glavni vpliv globokih trdovratnih omrežij na AI preusmeritev ali širitev raziskav zunaj tistih vrst odločanja, ki jih je enostavno uporabiti v podjetju, in spodbujati prelomne raziskave, da bi računalniki postali bolj podobni ljudem. V podjetju bi bilo mogoče uporabiti številne ideje te ideje, vendar niso tako razrezane in posušene kot recimo trenutna uporaba algoritmov strojnega učenja na motorjih s priporočili potrošnikov ali uporaba pametnih ML procesov pri trženju. Zdi se, da raziskave DSN kažejo, da lahko subjekte AI naredimo bolj čute, kar s seboj nosi veliko tveganje in tudi nagrado.
