П:
Како дубоке тврдоглаве мреже играју улогу у еволуцији АИ?
А:Супротно томе, дубоке тврдоглаве мреже једноставно "додају функционалност" постојећем технолошком конструкту, генеративној противветничкој мрежи (ГАН), али у стварности, недавна еволуција дубоко тврдоглаве мреже говори нам о основним стварима о томе како АИ може да се развија ка значајно моделирање људског одлучивања.
Дубоко тврдоглава мрежа ослања се на међусобну интеракцију унутар ГАН два АИ „ентитета“: „генератора“ и „дискриминатора“. Генератор „генерише“ садржај или примере или тестира податке или како год одлучите да га назовете. Дискриминатор узима унос и разврстава га или доноси одлуке на основу њега. Ова два дела дубоке тврдоглаве мреже су независни ентитети за потребе истраживања АИ, али раде заједно.
Важно је напоменути да је доступна јавна литература о дубоко тврдоглавим мрежама оскудна, чини се да се састоји од малог низа уобичајених описа на највишим Гоогле-овим рангираним страницама. Један од најважнијих ауторитета, КДНуггетс, наводи употребу „коефицијента Гоодфеллов“ који је сам по себи не може се открити Гоогле претрагом. (Иан Гоодфеллов је рачунарски научник заслужан за неке од основних идеја иза дубоко тврдоглавих мрежа.)
Међутим, идеја дубоке тврдоглаве мреже објашњава се у КДНуггетс-у и другде: основна идеја је да генератор може "покушати да превари" дискриминатора и да дискриминатор може постати "дискриминирајући" док не постане, на неки начин, осећајан у својој „сумњи у себе“ и не одлучује да врати резултате. Тада долази до важног следећег корака: Програм се, кроз људску интервенцију или алгоритме, „коаксијално“ даје одговор.
У овом моделу почињемо да гледамо АИ да направи огроман корак, од једноставног моделирања података или анализе пакета тренинга, до стварног доношења одлука на високом нивоу за које мислимо да су у домену човека. Оцењујући обрасце „избора“ АИ дискриминатора и „избора“ обрасца човека, део КДНуггетс наводи „Парадокс избора“ који је створио Барри Сцхвартз. Неке независне објаве на блогу описују како дубока тврдоглава мрежа истиче суштински људско понашање: Ј. Иаков Стерн објашњава тренутна ограничења и могући напредак у дуготрајном ублажавању ИВР-а, а Алекиа Јолицоеур-Мартинеау открива неке од недавних резултата које ГАН могу произвести.
Дакле, у одређеном смислу, примарни утицај дубоко тврдоглавих мрежа на АИ је преусмеравање или ширење истраживања изван оних врста одлучивања које су лако применљиве за предузеће, и промовисање револуционарних истраживања у правцу стварања рачунара као човека. Може се користити било који број апликација ове идеје за предузећа, али оне нису тако исечене и осушене као, рецимо, тренутна примена алгоритама машинског учења на моторима са препорукама потрошача или употреба паметних МЛ процеса у маркетингу. Чини се да ДСН истраживања сугерирају да АИ ентитете можемо учинити сензибилнијима, што са собом носи добар ризик и награду.
