Q:
Bagaimana jaringan keras kepala yang dalam berperan dalam evolusi AI?
SEBUAH:Pada permukaannya, jaringan keras kepala yang dalam hanya "menambah fungsionalitas" ke konstruksi teknologi yang ada, jaringan permusuhan generatif (GAN), tetapi dalam kenyataannya, evolusi terbaru dari jaringan keras kepala yang dalam memberitahu kita hal-hal mendasar tentang bagaimana AI dapat berkembang menuju pemodelan signifikan pengambilan keputusan manusia.
Jaringan keras kepala yang dalam bergantung pada interaksi dalam GAN dari dua "entitas" AI: "generator" dan "diskriminator." Generator "menghasilkan" konten atau contoh atau data uji atau apa pun yang Anda pilih untuk menyebutnya. Diskriminator mengambil input dan mengurutkannya atau membuat keputusan berdasarkan itu. Dua bagian dari jaringan keras kepala yang dalam ini adalah entitas independen untuk keperluan penelitian AI, tetapi mereka bekerja bersama.
Penting untuk dicatat bahwa literatur publik yang tersedia di jaringan yang keras kepala sangat sedikit, tampaknya terdiri dari sekumpulan deskripsi umum di halaman peringkat Google teratas. Salah satu yang paling otoritatif, di KDNuggets, mengutip penggunaan "koefisien Goodfellow" yang tidak dapat ditemukan dengan sendirinya melalui pencarian Google. (Ian Goodfellow adalah seorang ilmuwan komputer yang dikreditkan dengan beberapa ide mendasar di balik jaringan keras kepala yang dalam.)
Namun, ide dari jaringan keras kepala yang dalam dijelaskan di KDNuggets dan di tempat lain: ide dasarnya adalah bahwa generator dapat "mencoba menipu" diskriminator, dan bahwa diskriminator dapat dibuat "lebih diskriminatif" sampai menjadi, dengan cara tertentu, hidup dalam "keraguan diri" dan tidak memilih untuk mengembalikan hasil. Kemudian, langkah penting berikutnya terjadi: Program, baik melalui intervensi manusia atau algoritma, "dibujuk" untuk memberikan jawaban.
Dalam model ini, kita mulai melihat AI mengambil langkah besar, dari hanya memodelkan data atau mengurai set pelatihan, hingga benar-benar membuat jenis keputusan tingkat tinggi yang kita anggap berada dalam domain manusia. Dalam mengevaluasi pola "pilihan" pembeda AI dan pola "pilihan" manusia, karya KDNuggets mengutip "Paradox of Choice" yang dipelopori oleh Barry Schwartz. Beberapa posting blog independen menggambarkan bagaimana jaringan keras kepala yang dalam menyoroti perilaku manusia pada dasarnya: J. Yakov Stern menguraikan keterbatasan saat ini dan kemungkinan kemajuan dalam screed yang panjang pada IVR, dan Alexia Jolicoeur-Martineau mengungkapkan beberapa hasil terbaru yang dapat dihasilkan GAN.
Jadi dalam arti tertentu, dampak utama dari jaringan keras kepala yang dalam pada AI adalah untuk mengarahkan kembali atau memperluas penelitian di luar jenis-jenis pengambilan keputusan yang mudah diterapkan pada perusahaan, dan untuk mempromosikan penelitian inovatif ke arah membuat komputer bahkan lebih seperti manusia. Mungkin ada sejumlah aplikasi dari ide ini untuk perusahaan, tetapi mereka tidak memotong dan mengering seperti, katakanlah, aplikasi algoritma pembelajaran mesin saat ini untuk mesin rekomendasi konsumen, atau penggunaan proses ML cerdas dalam pemasaran. Penelitian DSN tampaknya menunjukkan bahwa kita dapat membuat entitas AI lebih hidup, yang membawa risiko yang besar, serta hadiah.
