پژوهش هوش مصنوعی و گامی نو در مدل‌سازی ذهن‌های متقابل: الگوریتم LOLA اوپن‌ای‌آی اوپن‌ای‌آی الگوریتم LOLA را معرفی کرد که با درک فرآیند یادگیری عامل‌های دیگر، استراتژی‌های مشارکتی و در عین حال خودخواهانه را در هوش مصنوعی ممکن می‌سازد. این گامی مهم در مدل‌سازی ذهن است. ۲۳ شهریور ۱۳۹۶ ۲ دقیقه پژوهش هوش مصنوعی OpenAI چگونه به برتری بی‌سابقه در Dota 2 رسید؟ OpenAI با سیستم خودآموزش خود در Dota 2، در مدت یک ماه از سطح بازیکنان حرفه‌ای عبور کرده و به عملکردی فراتر از انسان دست یافت. این موفقیت برتری یادگیری تقویتی را نشان می‌دهد. ۲۵ مرداد ۱۳۹۶ ۳ دقیقه پژوهش کاوش بهینه‌تر در هوش مصنوعی: نویز پارامتر راهکار جدید OpenAI OpenAI با معرفی نویز پارامتر، روشی ساده و مؤثر برای بهبود کاوش در الگوریتم‌های یادگیری تقویتی ارائه کرده است. این تکنیک عملکرد را به طور چشمگیری افزایش می‌دهد و به ندرت مضر است. ۵ مرداد ۱۳۹۶ ۳ دقیقه سیاست و قانون بهینه‌سازی سیاست پروگزیمال ما در حال انتشار کلاس جدیدی از الگوریتم‌های یادگیری تقویتی، بهینه‌سازی سیاست پروگزیمال (PPO) هستیم که عملکردی مشابه یا بهتر از رویکردهای پیشرفته دارند، در حال ۲۹ تیر ۱۳۹۶ ۲ دقیقه پژوهش هوش مصنوعی بر اساس ترجیحات انسان، گام جدیدی به سوی ایمنی و کنترل OpenAI و DeepMind با الگوریتمی نوآورانه، به‌جای هدف ساده، با توجه به ترجیحات انسان، رفتارهای بهینه و ایمن هوش مصنوعی را استخراج می‌کنند. ۲۳ خرداد ۱۳۹۶ ۲ دقیقه پژوهش OpenAI Baselines: DQN و سه نسخه‌ی جدید در زمینهٔ هوش مصنوعی OpenAI کتابخانهٔ Baselines را به‌صورت کد باز رونویسی کرده و الگوریتم DQN همراه با سه نسخه پیشرفته را معرفی می‌کند. با جزئیات پیاده‌سازی و نکات کاربردی را بیابید. ۳ خرداد ۱۳۹۶ ۲ دقیقه پژوهش رو‌بوسکول: نرم‌افزار متن‌باز شبیه‌سازی ربات در هوش مصنوعی رو‌بوسکول، نرم‌افزار متن‌باز شبیه‌سازی ربات، با OpenAI Gym یکپارچه شد و آزمایش الگوریتم‌های یادگیری ماشین را ساده می‌کند، در محیط‌های پویا و ورزشی. ۲۵ اردیبهشت ۱۳۹۶ ۲ دقیقه پژوهش تساوی گرادیان سیاست و یادگیری Q نرم: یک پیمایش جدید در هوش مصنوعی در این پژوهش از OpenAI، رابطه‌ی نوآورانه‌ای میان گرادیان سیاست و یادگیری Q نرم کشف شد، که امکاناتی نوین برای بهینه‌سازی الگوریتم‌های تقویتی فراهم می‌کند. ۱ اردیبهشت ۱۳۹۶ ۲ دقیقه پژوهش هوش مصنوعی: Evolution Strategies جایگاه جدیدی در یادگیری تقویتی می‌گیرد روش Evolution Strategies (ES) جایگزین مقیاس‌پذیر یادگیری تقویتی می‌شود؛ در بازی‌های آتاری و MuJoCo عملکرد مشابه RL را دارند و تا ۵ برابر کاهش می‌دهد. ۴ فروردین ۱۳۹۶ ۲ دقیقه پژوهش هوش مصنوعی: مدل‌های زمان‌بندی پیش‌بین برای کنترل دقیق ریسک‌ها و خطاهای نرم‌افزاری OpenAI مدل جدید زمان‌بندی پیش‌بین، توانایی پیش‌بینی و کنترل دقیق رفتارهای پیچیده را با استفاده از الگوریتم‌های یادگیری عمیق بهبود می‌بخشد. ۲۲ اسفند ۱۳۹۵ ۲ دقیقه