Q：
深く頑固なネットワークはAIの進化にどのように影響しますか？
A：それに直面して、深い頑固なネットワークは、単に既存の技術的構成要素である生成的敵対ネットワーク（GAN）に「機能を追加」しますが、現実には、深い頑固なネットワークの最近の進化は、AIがどのように進化できるかについての基本的なことを教えてくれます人間の意思決定の重要なモデリング。
深く頑固なネットワークは、GAN内の2つのAI「エンティティ」、つまり「ジェネレーター」と「差別者」の相互作用に依存しています。 ジェネレーターは、コンテンツやサンプル、テストデータ、またはユーザーが選択したものを「生成」します。 弁別器は入力を受け取り、それをソートするか、それに基づいて決定を下します。 深い頑固なネットワークのこれらの2つの部分は、AI研究の目的では独立したエンティティですが、連携して動作します。
深い頑固なネットワークで利用可能な公開文献は乏しいことに注意することが重要です。これは、Googleのランキングページの一般的な説明の小さなセットで構成されているようです。 KDNuggetsで最も権威のある人の1人は、Google検索ではそれ自体では発見できない「Goodfellow係数」の使用を挙げています。 （Ian Goodfellowは、深い頑固なネットワークの背後にある基本的なアイデアのいくつかを認められているコンピューター科学者です。）
ただし、深い頑固なネットワークのアイデアはKDNuggetsなどで説明されています。基本的なアイデアは、ジェネレーターが判別器を「だまそうとする」ことができ、判別器が何らかの方法で「判別式」になるまでできるということです。 、「自己疑念」に敏感で、結果を返すことを選択しません。 次に、重要な次のステップが発生します。プログラムは、人間の介入またはアルゴリズムを介して、答えを提供するために「同軸化」されます。
このモデルでは、データの単純なモデリングやトレーニングセットの解析から、人間の領域にいると考えられる種類の高レベルの決定を実際に行うまで、AIが非常に大きな一歩を踏み出していることがわかります。 AI弁別器の「選択」パターンと人間の「選択」パターンの両方を評価する際に、KDNuggetsの作品は、バリー・シュワルツが開拓した「選択のパラドックス」を引用しています。 いくつかの独立したブログ投稿では、深い頑固なネットワークが本質的に人間の行動を強調している方法について説明しています.J。
したがって、ある意味では、AIに対する深い頑固なネットワークの主な影響は、企業に容易に適用できる種類の意思決定を超えて研究の方向を変えたり、拡張したり、コンピューターをさらに人間に近づけるための画期的な研究を促進することです。 このアイデアの企業への応用はいくつあってもかまいませんが、消費者の推奨エンジンへの機械学習アルゴリズムの現在の応用や、マーケティングにおけるスマートMLプロセスの使用のように切り詰められたものではありません。 DSNの研究は、AIエンティティをより感覚的にすることができることを示唆しているようです。
