Î:
Cum joacă rolul rețelelor adânci încăpățânate în evoluția AI?
A:În acest sens, rețelele adânci încăpățânate „adaugă pur și simplu funcționalitate” la o construcție tehnologică existentă, rețeaua adversă generativă (GAN), dar, în realitate, evoluția recentă a rețelei încăpățânate adânci ne spune lucruri fundamentale despre modul în care AI poate evolua spre modelarea semnificativă a luării deciziilor umane.
Rețeaua profundă încăpățânată se bazează pe interacțiunea din cadrul GAN a două „entități” AI: „generatorul” și „discriminatorul”. Generatorul „generează” conținut sau exemple sau date de testare sau orice alegeți să îl numiți. Discriminatorul ia aportul și îl sortează sau ia decizii pe baza acestuia. Aceste două părți ale unei rețele adânci încăpățânate sunt entități independente în scopul cercetării AI, dar lucrează împreună.
Este important de menționat că literatura publică disponibilă în rețelele adânci încăpățânate este redusă, parând să constea dintr-un set mic de descrieri comune în paginile de top din clasamentul Google. Unul dintre cei mai autorizați, la KDNuggets, citează utilizarea unui „coeficient Goodfellow” care nu poate fi descoperit de unul singur printr-o căutare Google. (Ian Goodfellow este un informatician creditat cu unele dintre ideile fundamentale din spatele rețelelor adânci încăpățânate.)
Cu toate acestea, ideea rețelei adânci încăpățânate este explicată la KDNuggets și în alte părți: ideea de bază este că generatorul poate „încerca să păcălească” discriminatorul și că discriminatorul poate fi făcut „mai discriminator” până când devine, într-un fel, sensibil în „îndoiala de sine” și nu alege să returneze rezultate. Apoi, urmează un pas important important: Programul, fie prin intervenția umană, fie prin algoritmi, este „coaxat” pentru a oferi un răspuns.
În acest model, începem să vedem AI făcând un pas enorm, de la simpla modelare a datelor sau seturi de antrenament pentru analiză, până la luarea de fapt a tipurilor de decizii la nivel înalt, despre care considerăm că sunt în domeniul uman. În evaluarea atât a modelelor „de alegere” ale discriminatorului AI, cât și a modelelor „de alegere” ale unui om, piesa KDNuggets citează „Paradoxul alegerii” pionier de Barry Schwartz. Câteva postări de blog independente descriu modul în care rețeaua profundă încăpățânată evidențiază comportamentele esențiale ale omului: J. Yakov Stern expune limitările actuale și progresul posibil într-o șapă îndelungată pe IVR, iar Alexia Jolicoeur-Martineau dezvăluie unele dintre rezultatele recente pe care GAN-urile le pot produce.
Așadar, într-un anumit sens, impactul principal al rețelelor adânci încăpățânate asupra AI este reorientarea sau extinderea cercetării dincolo de tipurile de luare a deciziilor care se pot aplica cu ușurință întreprinderilor și de a promova cercetarea de ultimă generație pentru a face computerele și mai mult ca oamenii. Ar putea exista un număr de aplicații ale acestei idei pentru întreprinderi, dar nu sunt la fel de tăiate și uscate ca, de exemplu, aplicarea curentă a algoritmilor de învățare automată pentru motoarele de recomandare ale consumatorilor sau utilizarea proceselor inteligente de ML în marketing. Cercetările DSN par să sugereze că putem face ca entitățile AI să fie mai sensibile, ceea ce presupune un risc ridicat, precum și o recompensă.
