큐:
심층적 인 네트워크가 AI 진화에 어떤 역할을합니까?
ㅏ:그것의 얼굴에, 고집이 깊은 네트워크는 단순히 기존의 기술적 구성, 생성 적대적 네트워크 (GAN)에 "기능을 추가"하지만 실제로는 고집이 깊은 네트워크의 최근 진화는 AI가 어떻게 진화 할 수 있는지에 대한 근본적인 것을 알려줍니다. 인간 의사 결정의 중요한 모델링.
심층적 인 네트워크는 두 개의 AI "엔터티"인 "발전기"와 "차별 자"의 GAN 내에서의 상호 작용에 의존합니다. 생성기는 컨텐츠 또는 예제 또는 테스트 데이터 또는 호출하기로 선택한 모든 것을 "생성"합니다. 판별 기는 입력을 받아 정렬하거나이를 기반으로 결정합니다. 심층적 인 네트워크의이 두 부분은 AI 연구를 목적으로하는 독립된 실체이지만 함께 작동합니다.
완고한 네트워크에서 사용할 수있는 공개 문헌은 검색되지 않았으며 Google 순위 페이지 상단에 작은 설명이 포함되어있는 것으로 보입니다. KDNuggets에서 가장 권위있는 사람 중 하나는 Google 검색을 통해 자체적으로 발견 할 수없는 "Goodfellow coefficient"를 인용합니다. (Ian Goodfellow는 고집이 깊은 네트워크의 기본 아이디어 중 일부를 인정한 컴퓨터 과학자입니다.)
그러나 심층적 인 네트워크에 대한 아이디어는 KDNuggets와 다른 곳에서 설명됩니다. 기본 아이디어는 생성자가 판별자를 "속히려고"할 수 있으며, 구분자가 될 때까지 "더 차별적"으로 만들 수 있다는 것입니다., '자기 의심'에 중점을두고 결과를 반환하지 않습니다. 그런 다음 중요한 다음 단계가 발생합니다. 사람의 개입 또는 알고리즘을 통해 프로그램이 "동축되어"답변을 제공합니다.
이 모델에서 우리는 AI가 단순히 데이터 모델링 또는 훈련 세트 구문 분석에서 실제로 인간 영역에 있다고 생각하는 높은 수준의 결정을 내리는 데 이르기까지 엄청난 단계를 밟는 것을 시작합니다. AI 판별 자의 "선택"패턴과 인간의 "선택"패턴을 평가할 때 KDNuggets 작품은 Barry Schwartz가 개척 한 "선택의 패러독스"를 인용합니다. J. Yakov Stern은 현재의 한계에 대해 설명하고 IVR의 긴 스크 리드에서 가능한 진행 상황에 대해 설명하고 Alexia Jolicoeur-Martineau는 GAN이 생성 할 수있는 최근 결과 중 일부를 밝힙니다.
어떤면에서 AI에 대한 고집적 네트워크의 주된 영향은 기업에 쉽게 적용 할 수있는 의사 결정의 종류를 넘어 연구 방향을 바꾸거나 확장하고 컴퓨터를 인간과 같은 컴퓨터로 만드는 획기적인 연구를 촉진하는 것입니다. 이 아이디어를 기업에 적용 할 수있는 응용 프로그램은 많을 수 있지만 현재 소비자 학습 엔진에 머신 러닝 알고리즘을 적용하거나 마케팅에 스마트 ML 프로세스를 사용하는 것만 큼 자르고 건조하지는 않습니다. DSN의 연구에 따르면 AI 개체를보다 민감하게 만들 수 있으며, 이를 통해 상당한 위험과 보상을받을 수 있습니다.
