Q:
Hvordan spiller dybe stædige netværk en rolle i AI-udviklingen?
EN:På baggrund af det dybe stædige netværk blot "tilføje funktionalitet" til en eksisterende teknologisk konstruktion, det generative adversarial netværk (GAN), men i virkeligheden fortæller den nylige udvikling af det dybe stædige netværk grundlæggende ting om, hvordan AI kan udvikle sig mod betydelig modellering af menneskelig beslutningstagning.
Det dybe stædige netværk er afhængig af samspillet inden for GAN fra to AI-enheder: "generatoren" og "diskriminerende." Generatoren "genererer" indhold eller eksempler eller testdata eller hvad du end vælger at kalde det. Diskriminerende tager input og sorterer det eller træffer beslutninger baseret på det. Disse to dele af et dybt stædigt netværk er uafhængige enheder med henblik på AI-forskning, men de arbejder sammen.
Det er vigtigt at bemærke, at tilgængelig offentlig litteratur om dybe stædige netværk er sparsom, og det ser ud til at bestå af et lille sæt fælles beskrivelser på top Google-rangeringssider. En af de mest autoritative på KDNuggets nævner brugen af en "Goodfellow-koefficient", som er uopdagelig på egen hånd gennem en Google-søgning. (Ian Goodfellow er en computervidenskabsmand, der krediteres nogle af de grundlæggende ideer bag dybe stædige netværk.)
Idéen om det dybe stædige netværk forklares dog på KDNuggets og andre steder: den grundlæggende idé er, at generatoren kan "forsøge at narre" diskriminereren, og at diskrimineringen kan gøres "mere diskriminerende", indtil den bliver på en måde, opmærksom på sin "selvtillid" og vælger ikke at returnere resultater. Derefter opstår et vigtigt næste trin: Programmet, enten gennem menneskelig indgriben eller algoritmer, "coaxes" for at give et svar.
I denne model begynder vi at se AI tage et enormt skridt, lige fra at modellere data eller analysere træningssæt til faktisk at tage de slags beslutninger på højt niveau, som vi tænker på at være i det menneskelige domæne. Ved evaluering af både "valg" -mønstrene for AI-diskriminereren og "valg" -mønstrene for et menneske citerer KDNuggets-stykket "Paradox of Choice", der var pioner for Barry Schwartz. Nogle uafhængige blogindlæg beskriver, hvordan det dybe stædige netværk fremhæver i det væsentlige menneskelig adfærd: J. Yakov Stern fortæller om de nuværende begrænsninger og mulige fremskridt i en lang række på IVR, og Alexia Jolicoeur-Martineau afslører nogle af de nylige resultater, som GAN kan give.
Så på en måde er den primære virkning af dybe stædige netværk på AI at orientere eller udvide forskningen ud over de slags beslutninger, der let kan bruges til virksomheder, og at fremme banebrydende forskning med henblik på at gøre computere endnu mere ligesom mennesker. Der kan være et vilkårligt antal applikationer af denne idé til virksomheden, men de er ikke så klippede og tørrede som fx den aktuelle anvendelse af maskinlæringsalgoritmer til forbrugermeddelelsesmotorer eller brugen af smarte ML-processer i markedsføring. DSN-forskning ser ud til at antyde, at vi kan gøre AI-enheder mere opmærksomme, hvilket medfører en hel del risiko samt belønning.
