S:
Derin inatçı ağlar AI evriminde nasıl bir rol oynar?
A:Bunun karşısında, derin inatçı ağlar sadece mevcut bir teknolojik yapıya, üretken çekişmeli ağa (GAN) "işlevsellik katar", ancak gerçekte, derin inatçı ağın son evrimi bize AI'nın nasıl gelişebileceği hakkında temel şeyleri söyler insan karar alma mekanizmasının anlamlı modellenmesi.
Derin inatçı ağ, iki yapay zekâ “varlığı” nın GAN içindeki etkileşimine dayanır: “jeneratör” ve “ayrımcı”. Jeneratör içerik ya da örnekler ya da test verileri ya da onu çağırmak için ne seçerseniz seçin "üretir". Ayrımcı girdiyi alır ve sıralar veya buna göre kararlar verir. Derin inatçı bir ağın bu iki kısmı, AI araştırması için bağımsız varlıklardır, ancak birlikte çalışırlar.
Derin inatçı ağlar üzerindeki mevcut kamu literatürünün yetersiz olduğunu ve en iyi Google sıralama sayfalarında küçük bir dizi ortak açıklamadan oluştuğunu belirtmek önemlidir. KDNuggets'ta en yetkili olanlardan biri, bir Google araması yoluyla kendi başına keşfedilemeyen bir "İyi katsayı" kullanımını belirtmektedir. (Ian Goodfellow, derin inatçı ağların arkasındaki bazı temel fikirlerle tanınan bir bilgisayar bilimcisidir.)
Bununla birlikte, derin inatçı ağ fikri KDNuggets'ta ve başka yerlerde açıklanmaktadır: temel fikir, jeneratörün ayrımcıyı "kandırmaya" çalışabilmesidir ve ayrımcı, bir şekilde "daha ayrımcı" hale getirilebilir, "kendinden şüphe" duygusuyla duyarlıdır ve sonuç döndürmeyi seçmez. Ardından, önemli bir sonraki adım ortaya çıkar: Program, insan müdahalesi veya algoritmalar yoluyla, bir yanıt sağlamak için "ortak eksenli" dir.
Bu modelde, yapay zekanın sadece verileri modellemekten veya eğitim setlerini ayrıştırmaktan, aslında insan alanında olduğunu düşündüğümüz üst düzey kararları almaya kadar muazzam bir adım attığını görmeye başlıyoruz. AI ayrımcısının hem "seçim" kalıplarını hem de bir insanın "seçim" kalıplarını değerlendirirken, KDNuggets parçası Barry Schwartz'ın öncülüğündeki "Seçim Paradoksu" ndan bahsediyor. Bazı bağımsız blog yayınları, derin inatçı ağın esasen insan davranışlarını nasıl vurguladığını açıklıyor: J. Yakov Stern, IVR'de uzun bir şapta mevcut sınırlamalar ve olası ilerleme hakkında açıklama yapıyor ve Alexia Jolicoeur-Martineau, GAN'ların üretebileceği bazı sonuçların bazılarını ortaya koyuyor.
Dolayısıyla, bir anlamda, derin inatçı ağların yapay zeka üzerindeki birincil etkisi, araştırmayı, işletme için kolayca uygulanabilecek karar verme türlerinin ötesinde yeniden yönlendirmek veya genişletmek ve bilgisayarları daha çok insan gibi yapmak için çığır açan araştırmaları teşvik etmektir. Bu fikrin kuruluşa herhangi bir sayıda uygulaması olabilir, ancak bunlar, makine öğrenme algoritmalarının tüketici tavsiye motorlarına mevcut uygulaması veya akıllı ML işlemlerinin pazarlamada kullanılması kadar kesilmiş ve kurutulmuş değildir. DSN araştırması, AI varlıklarını daha fazla duyarlı hale getirebileceğimizi gösteriyor, bu da beraberinde iyi bir risk ve ödül veriyor.