கே:
AI பரிணாம வளர்ச்சியில் ஆழ்ந்த பிடிவாதமான நெட்வொர்க்குகள் எவ்வாறு பங்கு வகிக்கின்றன?
ப:அதன் முகத்தில், ஆழ்ந்த பிடிவாதமான நெட்வொர்க்குகள் ஏற்கனவே இருக்கும் தொழில்நுட்ப கட்டமைப்பான ஜெனரேடிவ் விரோதி நெட்வொர்க் (GAN) க்கு "செயல்பாட்டைச் சேர்க்கின்றன", ஆனால் உண்மையில், ஆழ்ந்த பிடிவாத நெட்வொர்க்கின் சமீபத்திய பரிணாமம் AI ஐ எவ்வாறு உருவாக்க முடியும் என்பது பற்றிய அடிப்படை விஷயங்களை நமக்குக் கூறுகிறது மனித முடிவெடுக்கும் குறிப்பிடத்தக்க மாடலிங்.
ஆழ்ந்த பிடிவாதமான நெட்வொர்க் இரண்டு AI "நிறுவனங்களின்" GAN க்குள் உள்ள இடைவெளியை நம்பியுள்ளது: "ஜெனரேட்டர்" மற்றும் "பாகுபாடு காண்பிப்பவர்." ஜெனரேட்டர் உள்ளடக்கம் அல்லது எடுத்துக்காட்டுகள் அல்லது சோதனை தரவு அல்லது அதை அழைக்க நீங்கள் தேர்வுசெய்த அனைத்தையும் "உருவாக்குகிறது". பாகுபாடு காண்பிப்பவர் உள்ளீட்டை எடுத்து அதை வரிசைப்படுத்துகிறார் அல்லது அதன் அடிப்படையில் முடிவுகளை எடுக்கிறார். ஆழ்ந்த பிடிவாத நெட்வொர்க்கின் இந்த இரண்டு பகுதிகளும் AI ஆராய்ச்சியின் நோக்கங்களுக்காக சுயாதீனமான நிறுவனங்கள், ஆனால் அவை ஒன்றிணைந்து செயல்படுகின்றன.
ஆழ்ந்த பிடிவாத நெட்வொர்க்குகளில் கிடைக்கக்கூடிய பொது இலக்கியங்கள் மிகக் குறைவு என்பதைக் கவனத்தில் கொள்ள வேண்டியது அவசியம், இது கூகிள் தரவரிசைப் பக்கங்களில் பொதுவான விளக்கங்களின் சிறிய தொகுப்பைக் கொண்டிருப்பதாகத் தெரிகிறது. KDNuggets இல் மிகவும் அதிகாரப்பூர்வமான ஒன்று, கூகிள் தேடலின் மூலம் சொந்தமாகக் கண்டுபிடிக்க முடியாத "குட்ஃபெலோ குணகம்" பயன்பாட்டை மேற்கோளிட்டுள்ளது. (இயன் குட்ஃபெலோ ஒரு கணினி விஞ்ஞானி, ஆழ்ந்த பிடிவாத நெட்வொர்க்குகளுக்குப் பின்னால் உள்ள சில அடிப்படைக் கருத்துக்களைப் பெற்றவர்.)
இருப்பினும், ஆழ்ந்த பிடிவாதமான நெட்வொர்க்கின் யோசனை கே.டி.நகெட்ஸ் மற்றும் பிற இடங்களில் விளக்கப்பட்டுள்ளது: அடிப்படை யோசனை என்னவென்றால், ஜெனரேட்டர் பாகுபாடு காண்பவரை "ஏமாற்ற முயற்சிக்க முடியும்", மற்றும் பாகுபாடு காண்பிப்பவர் ஒரு விதத்தில் "அதிக பாகுபாடு" உடையவராக இருக்க முடியும்., அதன் "சுய சந்தேகத்தில்" உணர்ச்சிவசப்பட்டு முடிவுகளை வழங்க தேர்வு செய்யாது. பின்னர், ஒரு முக்கியமான அடுத்த கட்டம் நிகழ்கிறது: மனித தலையீடு அல்லது வழிமுறைகள் மூலம் நிரல் ஒரு பதிலை வழங்க "இணைக்கப்பட்டுள்ளது".
இந்த மாதிரியில், தரவு மாடலிங் அல்லது பயிற்சி தொகுப்புகளை பாகுபடுத்துவதில் இருந்து, மனித களத்தில் இருப்பதாக நாம் நினைக்கும் உயர் மட்ட முடிவுகளை எடுப்பதில் இருந்து AI ஒரு மகத்தான நடவடிக்கை எடுப்பதைக் காணத் தொடங்குகிறோம். AI பாகுபாடு காண்பவரின் "தேர்வு" வடிவங்கள் மற்றும் மனிதனின் "தேர்வு" முறைகள் இரண்டையும் மதிப்பீடு செய்வதில், கே.டி.நகெட்ஸ் துண்டு பாரி ஸ்வார்ட்ஸ் முன்னோடியாகக் கொண்ட "சாய்ஸின் முரண்பாடு" ஐ மேற்கோளிட்டுள்ளது. ஆழ்ந்த பிடிவாதமான நெட்வொர்க் எவ்வாறு மனித நடத்தைகளை முன்னிலைப்படுத்துகிறது என்பதை சில சுயாதீன வலைப்பதிவு இடுகைகள் விவரிக்கின்றன: ஜே. யாகோவ் ஸ்டெர்ன் தற்போதைய வரம்புகள் மற்றும் ஐ.வி.ஆரில் ஒரு நீண்ட கத்தலில் சாத்தியமான முன்னேற்றம் குறித்து விளக்குகிறார், மேலும் அலெக்ஸியா ஜோலிகோயர்-மார்டினோ GAN கள் உருவாக்கக்கூடிய சமீபத்திய முடிவுகளை வெளிப்படுத்துகிறார்.
ஆகவே, ஒரு வகையில், AI இல் ஆழ்ந்த பிடிவாத நெட்வொர்க்குகளின் முதன்மை தாக்கம், நிறுவனத்திற்கு எளிதில் பொருந்தக்கூடிய முடிவெடுக்கும் வகைகளுக்கு அப்பால் ஆராய்ச்சியை மீண்டும் நோக்குநிலைப்படுத்துவது அல்லது விரிவாக்குவது, மேலும் கணினிகளைப் போலவே மனிதர்களைப் போன்றவற்றை உருவாக்குவதற்கான அடிப்படை ஆராய்ச்சியை ஊக்குவித்தல். நிறுவனத்திற்கு இந்த யோசனையின் எத்தனை பயன்பாடுகள் இருக்கக்கூடும், ஆனால் அவை நுகர்வோர் பரிந்துரை இயந்திரங்களுக்கு இயந்திர கற்றல் வழிமுறைகளின் தற்போதைய பயன்பாடு அல்லது மார்க்கெட்டில் ஸ்மார்ட் எம்.எல் செயல்முறைகளைப் பயன்படுத்துவது போன்ற வெட்டு உலர்ந்தவை அல்ல. டி.எஸ்.என் ஆராய்ச்சி, AI நிறுவனங்களை அதிக உணர்வுடையதாக மாற்ற முடியும் என்று தோன்றுகிறது, இது ஒரு நல்ல ஆபத்தையும், வெகுமதியையும் கொண்டுள்ளது.
