پژوهش حملات هوش مصنوعی با نمونه‌های آزاردهنده: چگونه مدل‌های یادگیری ماشین را فریب می‌دهند در این مقاله به بررسی حملات هوش مصنوعی با نمونه‌های آزاردهنده، آثارشان بر مدل‌های یادگیری ماشین و چالش‌های دفاعی پرداخته می‌شود. ۶ اسفند ۱۳۹۵ ۲ دقیقه مدل‌ها PixelCNN++: مدل جدید یادگیری دودویی با آخرین بهبودهای هوش مصنوعی PixelCNN++ مدل پیشرفته‌ای است که با ترکیب طراح دوربین، طراح ناحیه، و هرگز نگارش مدل‌های زمان معتبر، می‌تواند تصویرهای دقیق را تولید کند. این فناوری جدید در گسترش فرآیند تحلیل داده در حوزه هوش مصنوعی اساسی است. ۳۰ دی ۱۳۹۵ ۲ دقیقه پژوهش هوش مصنوعی در گسترش اکتشاف؛ روش بر پایه شمارش در یادگیری تقویتی عمیق در این پژوهش، OpenAI روش جدیدی بر اساس شمارش برای بهبود اکتشاف در یادگیری تقویتی عمیق معرفی می‌کند و نتایج ملموسی بر روی بازی‌های Atari نشان می‌دهد. ۲۵ آبان ۱۳۹۵ ۲ دقیقه پژوهش هوش مصنوعی: RL²، راهی سریع برای یادگیری تقویتی جدید این مقاله به بررسی روش نوین RL²، یک تکنیک هوش مصنوعی برای تسریع یادگیری تقویتی توسط OpenAI می‌پردازد و تأثیرات عمده آن را تحلیل می‌کند. ۱۹ آبان ۱۳۹۵ ۲ دقیقه پژوهش هوش مصنوعی: معرفی و کاربرد Variational Lossy Autoencoder Variational Lossy Autoencoder یک مدل هوش مصنوعی فشرده‌سازی پیشرفته است که با حفظ کیفیت، حجم داده را به‌طور توجهی کاهش می‌دهد و فرکانس را حفظ می‌کند. ۱۸ آبان ۱۳۹۵ ۲ دقیقه 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. ۱۲ آبان ۱۳۹۵ ۲ دقیقه اخبار OpenAI برگزاری اولین کنفرانس خودسازمانده هوش مصنوعی با حضور 150 متخصص OpenAI در هفته گذشته بیش از 150 متخصص هوش مصنوعی را در دفترهایش برای اولین کنفرانس خودسازمانده یادگیری ماشین جمع‌آوری کرد و به اشتراک گذاری حوزه. ۲۲ مهر ۱۳۹۵ ۲ دقیقه پژوهش همایش Machine Learning Unconference: شبکه‌سازی و نوآوری در هوش مصنوعی به‌روزرسانی جدیدی درباره‌ی Machine Learning Unconference منتشر شد؛ در این همایش غیررسمی، متخصصان یادگیری ماشین می‌توانند ویدئوهای‌، پستورهای زنده و همکاری‌های نوآورانه را به اشتراک بگذارند. ۲۸ مرداد ۱۳۹۵ ۲ دقیقه پژوهش هوش مصنوعی: چالش‌های ایمنی واقعی در پژوهش کنکریت و راهکارهای پیشنهادی مقالهٔ تازه Google Brain با همکاران دانشگاه Berkeley و Stanford به بررسی چالش‌های واقعی ایمنی هوش مصنوعی می‌پردازد و راهکارهای عملی برای تضمین عملکرد صحیح مدل‌های یادگیری ماشین بیان می‌کند. ۱ تیر ۱۳۹۵ ۲ دقیقه پژوهش هوش مصنوعی: روش‌های دفاعی تا پیش‌بینی بهتر در طبقه‌بندی پاراگراف در این مقاله به بررسی روش‌های جدید آموزش دفاعی برای طبقه‌بندی نیمه‌نظارت‌شده متن می‌پردازیم. کاربردی‌ترین تکنیک‌ها، نقاط قوت و چالش‌های است. مد ۵ خرداد ۱۳۹۵ ۲ دقیقه