Q:
Ako zohrávajú pri evolúcii AI rolu hlboké tvrdohlavé siete?
A:Na rozdiel od toho hlboké tvrdohlavé siete jednoducho „pridávajú funkčnosť“ k existujúcemu technologickému konštruktu, generatívnej protivládnej sieti (GAN), ale v skutočnosti nám nedávny vývoj hlbokej tvrdohlavej siete povie základné veci o tom, ako sa môže AI vyvíjať smerom k významné modelovanie ľudského rozhodovania.
Hlboká tvrdohlavá sieť sa spolieha na súhru v rámci GAN medzi dvoma entitami AI: „generátor“ a „diskriminátor“. Generátor „generuje“ obsah alebo príklady alebo testovacie údaje alebo čokoľvek, čo sa rozhodnete nazvať. Diskriminátor berie vstup a triedi ho alebo na jeho základe prijíma rozhodnutia. Tieto dve časti hlboko tvrdohlavej siete sú nezávislé subjekty na účely výskumu AI, ale pracujú spolu.
Je dôležité poznamenať, že dostupná verejná literatúra o hlbokých tvrdohlavých sieťach je nízka a zdá sa, že pozostáva z malej skupiny bežných opisov na najvyšších hodnotiacich stránkach Google. Jeden z najuznávanejších v KDNuggets cituje použitie „koeficientu Goodfellow“, ktorý je sám osebe nedostupný prostredníctvom vyhľadávania Google. (Ian Goodfellow je počítačový vedec, ktorému pripisujú niektoré zo základných myšlienok hlboko zakorenených sietí.)
Myšlienka hlbokej tvrdohlavej siete je však vysvetlená na stránkach KDNuggets a inde: základnou myšlienkou je, že generátor sa môže „pokúsiť oklamať“ diskriminátora a že môže byť urobený „diskriminačnejším“, kým sa tak nestane., vnímajúci vo svojej „pochybnosti“ a nerozhoduje sa vrátiť výsledky. Potom dôjde k ďalšiemu dôležitému kroku: Program, buď ľudským zásahom alebo algoritmom, je „koaxizovaný“, aby poskytol odpoveď.
V tomto modeli začíname vidieť, že AI podniká obrovský krok, od jednoduchého modelovania údajov alebo analyzovania tréningových súborov, až po skutočné prijímanie rozhodnutí na vysokej úrovni, ktoré považujeme za ľudské stránky. Pri hodnotení tak „výberových“ vzorcov AI diskriminácie, ako aj „výberových“ vzorov človeka, diel KDNuggets cituje „paradox voľby“, ktorý priekopníkom Barry Schwartz. Niektoré nezávislé blogové príspevky opisujú, ako hlboká tvrdohlavá sieť zdôrazňuje v podstate ľudské správanie: J. Yakov Stern vysvetľuje súčasné obmedzenia a možný pokrok v zdĺhavom poteri pri IVR a Alexia Jolicoeur-Martineau odhaľuje niektoré z posledných výsledkov, ktoré môžu GAN priniesť.
Takže v istom zmysle je primárnym dopadom hlboko tvrdohlavých sietí na umelú inteligenciu presmerovanie alebo rozšírenie výskumu nad rámec druhov rozhodovania, ktoré sa dajú ľahko uplatniť v podnikoch, a podpora priekopníckeho výskumu zameraného na výrobu počítačov ešte viac ako ľudí. Mohlo by existovať ľubovoľné množstvo aplikácií tohto nápadu v podnikoch, ale nie sú také rozrezané a vysušené, ako napríklad povedzme, súčasné použitie algoritmov strojového učenia na motory odporúčaní pre spotrebiteľov alebo použitie inteligentných procesov ML v marketingu. Zdá sa, že výskum DSN naznačuje, že subjekty AI môžu byť vnímavejšie, čo so sebou nesie veľké riziko, ako aj odmenu.
