Q:
Wie spielen hartnäckige Netzwerke eine Rolle in der AI-Evolution?
EIN:Auf den ersten Blick "fügen" tiefe, hartnäckige Netzwerke einem bestehenden technologischen Konstrukt, dem generativen, kontradiktorischen Netzwerk (GAN), einfach "Funktionalität hinzu", aber in Wirklichkeit sagt uns die jüngste Entwicklung des tiefen, hartnäckigen Netzwerks grundlegende Dinge darüber, wie sich KI entwickeln kann signifikante Modellierung menschlicher Entscheidungen.
Das tiefe, hartnäckige Netzwerk stützt sich auf das Zusammenspiel zweier KI- "Einheiten" innerhalb der GAN: des "Generators" und des "Diskriminators". Der Generator "generiert" Inhalte oder Beispiele oder Testdaten oder wie auch immer Sie sie nennen. Der Diskriminator nimmt die Eingabe und sortiert sie oder trifft darauf basierend Entscheidungen. Diese beiden Teile eines hartnäckigen Netzwerks sind für die Zwecke der KI-Forschung unabhängige Einheiten, aber sie arbeiten zusammen.
Es ist wichtig anzumerken, dass die verfügbare öffentliche Literatur zu hartnäckigen Netzwerken spärlich ist und aus einer kleinen Anzahl allgemeiner Beschreibungen auf den Top-Google-Ranking-Seiten zu bestehen scheint. Einer der maßgeblichsten bei KDNuggets zitiert die Verwendung eines "Goodfellow-Koeffizienten", der allein durch eine Google-Suche nicht entdeckt werden kann. (Ian Goodfellow ist ein Informatiker, dem einige der Grundgedanken hinter störrischen Netzwerken zugeschrieben werden.)
Die Idee des tiefen störrischen Netzwerks wird jedoch bei KDNuggets und anderswo erklärt: Die Grundidee ist, dass der Generator versuchen kann, den Diskriminator zu "täuschen", und dass der Diskriminator "diskriminativer" gemacht werden kann, bis er in gewisser Weise wird, empfindungsfähig in seinem "Selbstzweifel" und entscheidet sich nicht dafür, Ergebnisse zurückzugeben. Dann tritt ein wichtiger nächster Schritt ein: Das Programm wird entweder durch menschliches Eingreifen oder durch Algorithmen "überredet", eine Antwort zu liefern.
In diesem Modell macht die KI einen gewaltigen Schritt, von der einfachen Modellierung von Daten oder dem Parsen von Trainingssätzen bis hin zum Treffen von Entscheidungen auf höchster Ebene, von denen wir denken, dass sie im menschlichen Bereich liegen. Bei der Bewertung sowohl der "Auswahl" -Muster des KI-Diskriminators als auch der "Auswahl" -Muster eines Menschen zitiert das KDNuggets-Stück das von Barry Schwartz eingeführte "Paradox of Choice". Einige unabhängige Blog-Posts beschreiben, wie das hartnäckige Netzwerk im Wesentlichen menschliches Verhalten hervorhebt: J. Yakov Stern erläutert die aktuellen Einschränkungen und möglichen Fortschritte in einem längeren IVR-Estrich, und Alexia Jolicoeur-Martineau enthüllt einige der jüngsten Ergebnisse, die GANs hervorbringen können.
In gewisser Hinsicht besteht die Hauptauswirkung von hartnäckigen Netzwerken auf die KI darin, die Forschung über die für Unternehmen leicht anwendbaren Entscheidungsprozesse hinaus neu auszurichten oder zu erweitern und bahnbrechende Forschungen zu fördern, um Computer noch ähnlicher wie Menschen zu machen. Es könnte eine beliebige Anzahl von Anwendungen dieser Idee für Unternehmen geben, aber sie sind nicht so einfach und trocken wie beispielsweise die derzeitige Anwendung von Algorithmen für maschinelles Lernen auf Kundenempfehlungs-Engines oder die Verwendung von intelligenten ML-Prozessen im Marketing. DSN-Untersuchungen scheinen darauf hinzudeuten, dass wir KI-Wesenheiten empfindungsfähiger machen können, was sowohl ein hohes Risiko als auch eine große Belohnung mit sich bringt.
