De Wiki: Las redes generativas adversarias son redes neuronales donde los modelos generativos se estiman a través de un proceso de confrontación. Estos se pueden utilizar para producir muestras de imágenes naturales de alta calidad.
La respuesta es: no, porque el aprendizaje profundo AlphaGo combina de forma inteligente diferentes tipos de redes neuronales para la selección de movimientos y la evaluación de posición con Monte Carlo Tree Search (MCTS). En la base, utiliza redes neuronales convolucionales que usan una imagen de 19 × 19 de la posición del tablero con 48 planos de características como entrada (17328 entradas). No hay absolutamente ninguna necesidad de muestras de imágenes de alta calidad ya que las características del filtro no están relacionadas con las imágenes sino con los patrones Go.
Al reconocer las posiciones y los patrones del tablero, ciertamente no imita el proceso lógico humano en absoluto, ya que AlphaGo casi no comprende los conceptos lógicos como rodear, sente, aji, influencia, dónde hacer territorio de manera más eficiente, etc. En cambio, ha aprendido a seleccionar movimientos ganadores de alta probabilidad ultrarrápidos y eficientes y luego ‘estima’ el resultado del juego desde una posición dada usando básicamente lanzamientos de MCTS. Puede encontrar más información sobre cómo AlphaGo ha sido entrenado y funciona bajo el capó en mi blog: Parte 2: AlphaGo bajo una lupa (El partido histórico del aprendizaje profundo AlphaGo vs. Lee Sedol) REVISADO
- ¿Los tamaños de kernel de capa maxpooling en CNN son generalmente más pequeños que los tamaños de kernel de capa convolucional? ¿Por qué?
- ¿Amazon Echo es el producto de inteligencia artificial para consumidores con mayor éxito comercial desde mayo de 2016?
- ¿Cuáles son las mejores startups centradas en la inteligencia general artificial?
- ¿Son precisas las predicciones del día del juicio final de Elon Musk sobre el impacto futuro en la IA?
- ¿Cuáles son las aplicaciones de ML / AI en el campo de VLSI?