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.
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.
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.
پژوهش
هوش مصنوعی: ارزیابی خطراتی از توابع پاداش نادرست در یادگیری تقویتی
در این مقاله به بررسی عواقب استفاده از توابع پاداش نادرست در الگوریتم‌های یادگیری تقویتی می‌پردازیم و نکات کلیدی برای طراحی صحیح آن را ارائه می‌کنیم.
پژوهش
هوش مصنوعی درک عمیق‌تر: محدودیت‌ها و امکانات Neural GPU
مدل Neural GPU، یک معماری کنولوشنال هوش مصنوعی است که می‌تواند الگوریتم‌های پایه را یاد بگیرد و گسترش یابد؛ اما محدودیت‌های عملیاتی و مقیاس‌پذیری همچنان چالش برانگیز باقی مانده‌اند.
محصولات
OpenAI Gym Beta: ابزار جدید هوش مصنوعی برای یادگیری تقویتی
نسخه آزمایشی عمومی OpenAI Gym منتشر شد؛ ابزار رایگان برای توسعه و مقایسه الگوریتم‌های یادگیری تقویتی در محیط‌های شبیه‌سازی ربات‌ها و بازی‌ها.