Q:
AI పరిణామంలో లోతైన మొండి పట్టుదలగల నెట్‌వర్క్‌లు ఎలా పాత్ర పోషిస్తాయి?
A:దాని ముఖం మీద, లోతైన మొండి పట్టుదలగల నెట్‌వర్క్‌లు ఇప్పటికే ఉన్న సాంకేతిక నిర్మాణానికి, ఉత్పాదక విరోధి నెట్‌వర్క్ (GAN) కు "కార్యాచరణను జోడిస్తాయి", కానీ వాస్తవానికి, లోతైన మొండి పట్టుదలగల నెట్‌వర్క్ యొక్క ఇటీవలి పరిణామం AI వైపు ఎలా అభివృద్ధి చెందుతుందనే దాని గురించి ప్రాథమిక విషయాలను చెబుతుంది. మానవ నిర్ణయాధికారం యొక్క ముఖ్యమైన మోడలింగ్.
లోతైన మొండి పట్టుదలగల నెట్‌వర్క్ రెండు AI "ఎంటిటీల" యొక్క GAN లోని ఇంటర్‌ప్లేపై ఆధారపడుతుంది: "జనరేటర్" మరియు "వివక్షత." జెనరేటర్ కంటెంట్ లేదా ఉదాహరణలు లేదా పరీక్ష డేటా లేదా మీరు పిలవటానికి ఎంచుకున్న వాటిని "ఉత్పత్తి చేస్తుంది". వివక్షత చూపేవాడు ఇన్‌పుట్ తీసుకొని దాన్ని క్రమబద్ధీకరిస్తాడు లేదా దాని ఆధారంగా నిర్ణయాలు తీసుకుంటాడు. లోతైన మొండి పట్టుదలగల నెట్‌వర్క్ యొక్క ఈ రెండు భాగాలు AI పరిశోధన యొక్క ప్రయోజనాల కోసం స్వతంత్ర సంస్థలు, కానీ అవి కలిసి పనిచేస్తాయి.
లోతైన మొండి పట్టుదలగల నెట్‌వర్క్‌లలో అందుబాటులో ఉన్న ప్రజా సాహిత్యం చాలా తక్కువగా ఉందని గమనించడం ముఖ్యం, అగ్ర గూగుల్ ర్యాంకింగ్ పేజీలలో సాధారణ వివరణల యొక్క చిన్న సమూహాన్ని కలిగి ఉన్నట్లు అనిపిస్తుంది. KD నగ్గెట్స్ వద్ద అత్యంత అధికారికమైన వాటిలో ఒకటి, "గుడ్ ఫెలో కోఎఫీషియంట్" వాడకాన్ని గూగుల్ సెర్చ్ ద్వారా స్వయంగా కనుగొనలేనిది. (ఇయాన్ గుడ్‌ఫెలో కంప్యూటర్ మొండి పట్టుదలగల నెట్‌వర్క్‌ల వెనుక కొన్ని ప్రాథమిక ఆలోచనలతో ఘనత పొందిన కంప్యూటర్ శాస్త్రవేత్త.)
ఏదేమైనా, లోతైన మొండి పట్టుదలగల నెట్‌వర్క్ యొక్క ఆలోచన KD నగ్గెట్స్‌లో మరియు ఇతర చోట్ల వివరించబడింది: ప్రాథమిక ఆలోచన ఏమిటంటే, జనరేటర్ వివక్షతను "మోసగించడానికి" ప్రయత్నించవచ్చు, మరియు ఒక విధంగా, వివక్షత "మరింత వివక్షత" గా తయారవుతుంది., దాని "స్వీయ-సందేహం" లో సెంటిమెంట్ మరియు ఫలితాలను ఇవ్వడానికి ఎంచుకోదు. అప్పుడు, ఒక ముఖ్యమైన తదుపరి దశ సంభవిస్తుంది: ప్రోగ్రామ్, మానవ జోక్యం లేదా అల్గోరిథంల ద్వారా, సమాధానం ఇవ్వడానికి "ఏకీకృతం" అవుతుంది.
ఈ మోడల్‌లో, డేటా మోడలింగ్ లేదా శిక్షణా సెట్‌లను అన్వయించడం నుండి, మానవ డొమైన్‌లో ఉన్నట్లు మనం భావించే ఉన్నత-స్థాయి నిర్ణయాలు తీసుకునే వరకు AI అపారమైన అడుగు వేయడాన్ని చూడటం ప్రారంభిస్తాము. AI వివక్షత యొక్క "ఎంపిక" నమూనాలు మరియు మానవుని "ఎంపిక" నమూనాలు రెండింటినీ అంచనా వేయడంలో, KD నగ్గెట్స్ ముక్క బారీ ష్వార్ట్జ్ చేత ప్రారంభించబడిన "పారడాక్స్ ఆఫ్ ఛాయిస్" ను ఉదహరించింది. లోతైన మొండి పట్టుదలగల నెట్‌వర్క్ తప్పనిసరిగా మానవ ప్రవర్తనలను ఎలా హైలైట్ చేస్తుందో కొన్ని స్వతంత్ర బ్లాగ్ పోస్ట్‌లు వివరిస్తాయి: జె.
కాబట్టి ఒక కోణంలో, AI పై లోతైన మొండి పట్టుదలగల నెట్‌వర్క్‌ల యొక్క ప్రాధమిక ప్రభావం ఏమిటంటే, సంస్థకు సులభంగా వర్తించే నిర్ణయాలు తీసుకునే రకాలను మించి పరిశోధనను తిరిగి ఓరియంట్ చేయడం లేదా విస్తరించడం మరియు కంప్యూటర్లను మనుషుల మాదిరిగానే తయారుచేసే దిశగా పరిశోధనలను ప్రోత్సహించడం. ఎంటర్ప్రైజ్కు ఈ ఆలోచన యొక్క ఎన్ని అనువర్తనాలు ఉండవచ్చు, కానీ అవి కన్స్యూమర్ సిఫారసు ఇంజిన్లకు యంత్ర అభ్యాస అల్గోరిథంల యొక్క ప్రస్తుత అనువర్తనం లేదా మార్కెటింగ్‌లో స్మార్ట్ ML ప్రక్రియల ఉపయోగం వంటి కట్ మరియు ఎండినవి కావు. డిఎస్ఎన్ పరిశోధన మేము AI ఎంటిటీలను మరింత సెంటిమెంట్‌గా చేయగలమని సూచించినట్లు అనిపిస్తుంది, ఇది దానితో మంచి రిస్క్‌తో పాటు రివార్డ్‌ను కలిగి ఉంటుంది.
