Q:
Як глибокі вперті мережі відіграють роль в еволюції ШІ?
A:Навпаки, глибокі вперті мережі просто "додають функціональності" існуючому технологічному конструктиву, генеративній змагальній мережі (GAN), але насправді недавня еволюція глибокої впертої мережі говорить нам про основні речі про те, як AI може розвиватися до значне моделювання прийняття людських рішень.
Глибока вперта мережа покладається на взаємодію всередині GAN двох AI "сутностей": "генератора" та "дискримінатора". Генератор "генерує" вміст, приклади або тестові дані або все, що ви вирішите назвати. Дискримінатор приймає внесок і сортує його або приймає рішення на його основі. Ці дві частини глибоко впертої мережі є незалежними цілями для цілей дослідження ШІ, але вони працюють разом.
Важливо зауважити, що доступна публічна література про глибокі вперті мережі є мізерною, схоже, складається з невеликого набору поширених описів на найпопулярніших сторінках рейтингу Google. Один з найавторитетніших в KDNuggets наводить використання "коефіцієнта доброго товариша", який не можна виявити самостійно за допомогою пошуку в Google. (Ian Goodfellow - вчений-комп’ютер, якому приписують деякі основні ідеї глибоких впертих мереж.)
Однак ідея глибокої впертої мережі пояснюється в KDNuggets та інших місцях: основна ідея полягає в тому, що генератор може "спробувати обманути" дискримінатора, і що дискримінатор може зробити "більш дискримінаційним", поки він не стане, певним чином, чуйний у своїй «невпевненості в собі» і не бажає повернути результати. Потім відбувається важливий наступний крок: Програма, або через людське втручання, або за алгоритмами, "укладається" для надання відповіді.
У цій моделі ми починаємо бачити, що AI робить величезний крок - від простого моделювання даних або аналізу навчальних наборів, до фактичного прийняття тих рішень на високому рівні, які ми вважаємо такими, що належать до людської сфери. Оцінюючи як "вибір" моделей дискримінатора ШІ, так і "вибір" моделей людини, фрагмент KDNuggets цитує "Парадокс вибору", вперше створений Баррі Шварцом. Деякі незалежні публікації в блозі описують, як глибока вперта мережа висвітлює поведінку людей по суті: Дж. Яків Стерн пояснює поточні обмеження та можливий прогрес у тривалій стрімкій репутації IVR, а Олексія Жоліур-Мартино виявляє деякі останні результати, які GAN можуть дати.
Тож у певному сенсі основним впливом глибоких впертих мереж на ШІ є переорієнтація або розширення досліджень поза типом прийняття рішень, які легко застосовні для підприємства, та сприяння новаторським дослідженням для того, щоб зробити комп'ютери ще більш схожими на людей. На підприємстві може бути будь-яка кількість застосувань цієї ідеї, але вони не такі нарізані та висушені, як, скажімо, поточне застосування алгоритмів машинного навчання до двигунів рекомендацій споживачів або використання розумних процесів ML в маркетингу. Дослідження DSN, мабуть, говорять про те, що ми можемо зробити AI суттєвішими, що несе з собою великий ризик та винагороду.
