K:
Kuinka syvällä itsepäisillä verkoilla on rooli AI: n evoluutiossa?
V:Sen edessä syvät itsepäiset verkot yksinkertaisesti "lisäävät toiminnallisuutta" olemassa olevaan teknologiseen rakenteeseen, generatiiviseen kilpailevaan verkkoon (GAN), mutta todellisuudessa syvän itsepäisen verkon viimeaikainen kehitys kertoo meille perustavanlaatuisia asioita siitä, kuinka AI voi kehittyä kohti ihmisen päätöksenteon merkittävä mallintaminen.
Syvä itsepäinen verkko luottaa kahden AI-"kokonaisuuden": "generaattorin" ja "syrjinnän" vuorovaikutukseen GAN: n sisällä. Generaattori "luo" sisältöä tai esimerkkejä tai testitietoja tai mitä tahansa, jota valitset kutsuaksesi sitä. Erottaja ottaa syötteen ja lajittelee sen tai tekee päätöksen perusteella. Nämä kaksi syvän itsepäisen verkon osaa ovat itsenäisiä kokonaisuuksia AI-tutkimusta varten, mutta ne toimivat yhdessä.
On tärkeää huomata, että syvästi itsepäisissä verkoissa saatavilla olevaa julkista kirjallisuutta on vähän, ja se näyttää koostuvan pienestä joukosta yleisiä kuvauksia Googlen parhailla sijoitussivuilla. Yksi autoriteettiimmistä KDNuggets-julkaisuissa mainitsee "Goodfellow-kertoimen" käytön, jota ei voida yksin löytää Google-haun kautta. (Ian Goodfellow on tietotekniikan asiantuntija, jolle on annettu hyviä ideoita syvien itsepäisten verkkojen taustalla olevista perusideoista.)
Kuitenkin syvää itsepäisen verkon ideaa selitetään KDNuggetsissa ja muualla: perusajatuksena on, että generaattori voi "yrittää huijata" erottelijan ja että syrjinnästä voidaan tehdä "syrjivämpi", kunnes siitä tulee tietyllä tavalla, tunteva "epävarmuudessaan" eikä päätä palauttaa tuloksia. Sitten tapahtuu seuraava tärkeä vaihe: Ohjelma, joko ihmisen väliintulon tai algoritmien avulla, "houkutellaan" vastauksen tarjoamiseen.
Tässä mallissa alamme nähdä AI: n ottavan valtavan askeleen, pelkästään datan mallinnuksesta tai koulutusjoukkojen jäsentämisestä, sellaisten korkean tason päätösten tekoon, jotka meidän mielestämme kuuluvat ihmisalueelle. Arvioidessaan sekä AI-erottajan "valinta" -malleja että ihmisen "valinta" -malleja, KDNuggets-teos lainaa Barry Schwartzin edelläkävijän "Valinnan paradoksi". Jotkut riippumattomat blogiviestit kuvaavat, kuinka syvä itsepäinen verkko korostaa pääasiassa ihmisten käyttäytymistä: J. Yakov Stern selittää nykyisiä rajoituksia ja mahdollista edistymistä pitkällä IVR-tasolla, ja Alexia Jolicoeur-Martineau paljastaa joitain viimeaikaisia tuloksia, joita GAN voi tuottaa.
Joten tietyssä mielessä syvästi itsepäisten verkkojen pääasiallinen vaikutus AI: hen on suunnata tai laajentaa tutkimusta sellaiseen päätöksentekoon, joka on helposti sovellettavissa yritystoimintaan, ja edistää uraauurtavaa tutkimusta, jotta tietokoneista saadaan entistä enemmän ihmisiä. Tämän idean sovelluksia yrityksiin voi olla useita, mutta ne eivät ole niin leikattuja ja kuivattuja kuin esimerkiksi koneoppimisalgoritmien nykyinen soveltaminen kuluttajien suositusmoottoreihin tai älykkäiden ML-prosessien käyttö markkinoinnissa. DSN-tutkimus näyttää viittaavan siihen, että voimme tehdä AI-entiteetteistä tuntevampia, mikä kantaa mukanaan paljon riskiä ja palkkioita.
