DIGITIMES Research:GAN技術為AI數據不足困境提解方 自我優化機制加速體現非監督式學習目標

DIGITIMES Research:GAN技術為AI數據不足困境提解方 自我優化機制加速體現非監督式學習目標。(資料照) DIGITIMES Research:GAN技術為AI數據不足困境提解方 自我優化機制加速體現非監督式學習目標。(資料照)

面對AI應用缺乏訓練數據量的難題,「生成對抗網路」(Generative Adversarial Network;GAN)技術能將少量數據,生成更多擬真數據,可望滿足神經網路模型訓練所需;其架構中所蘊含的自主學習能力,有助提升AI系統自我優化性能。整體而言,GAN技術的擴充數據資源及實現自主學習二大特點,可望強化AI產業鏈根基,以發展出更多元的智慧化應用項目。

GAN技術自2014年被提出後,就一直是AI領域中的研究熱點,其基本概念是利用二組神經網路模型,一組負責生成數據,另一組根據真實數據評判其逼真程度,反覆對抗循環後,最終生成與真實數據相似的擬真數據,以豐富模型訓練所需數據資源。GAN架構中二組神經網路模型相互對抗機制,將有助實現非監督式(unsupervised)學習自主學習能力,可望加速達成AI系統智慧化目標。

由於GAN技術具有擴充數據資源及實踐非監督式學習二大特性,自問世至今已衍生出上千種相關技術項目,專利數量也不斷增加,其中最關鍵的「對抗訓練神經網路」技術已由Google取得專利權,這表示Google已具備GAN技術商轉的有利條件。

DIGITIMES Research分析師陳辰妃認為,縱使GAN技術仍需面臨成熟化過程中的種種挑戰,但基於GAN技術的擴充數據資源及實現自主學習二大特點,可緩解訓練數據量不足困境並增進系統自主優化性能,可望加強AI產業發展基礎能力,迎接即將而來的AI爆發期。

訂閱必聞電子報


加入必聞網好友 必聞網紛絲頁

新聞留言板