بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۴۵۶ خبر
پژوهش هوش مصنوعی در رقابت Retro: نتایج تازه و پیشرفت الگوریتم‌های یادگیری OpenAI در اولین دور Retro Contest، نتایج اولیه‌ای از الگوریتم‌های یادگیری گذشته‌نگر ارائه داد؛ تحلیل دستاوردها و چشم‌اندازهای آینده برای آیندهٔ فناوری. پژوهش یادگیری سیاست در سیستم‌های چندعامل: انقلاب هوش مصنوعی در تعاملات برهم‌ریختی در این مقاله به بررسی روش‌های نوین یادگیری نمایش سیاست در سیستم‌های چندعامل می‌پردازیم؛ نکاتی دربارهٔ تعاملات پیچیده و کاربردهای آینده در هوش مصنوعی. پژوهش هوش مصنوعی: OpenAI کشف می‌کند چگونه یادگیری بدون نظارت، زبان را درک می‌کند OpenAI با ترکیب مدل‌های ترنسفورمر و پیش‌آموزش بدون نظارت، نتایج برتر در وظایف زبان ویدیویی را به دست آورد و کاوش جدیدی در یادگیری بدون نظارت ارائه داد. آموزش GamePad از OpenAI: محیط یادگیری هوش مصنوعی برای اثبات قضایا و توسعه دانش منطق GamePad، محیط تعاملی و هوشمندی است که توسط OpenAI ارائه شده و امکان آموزش و توسعه مهارت‌های اثبات قضایا در منطق ریاضی را با کارایی بالای GPT فراهم می‌کند. پژوهش پیشرفت بزرگ در یادگیری تقویتی: OpenAI ارائه داد Gym Retro با بیش از ۱۰۰۰ بازی OpenAI با انتشار Gym Retro، بستری بر پایه هوش مصنوعی برای یادگیری تقویتی بر روی بازی‌های قدیمی ایجاد کرده و تعداد بازی‌های قابل دسترسی را به بیش از ۱۰۰۰ افزایش داده است. پژوهش هوش مصنوعی و روش EPG: یادگیری سریع‌تر با الگوریتم نوین نسل‌بردار OpenAI با معرفی Evolved Policy Gradients (EPG)، یک رویکرد متالیّی نوین تولید می‌کند که از طریق تکامل تابع بهبود یادگیری، توان می‌یابد تا یادگیری سریعی بر روی وظایف جدید پیدا کند. خلاقیت این روش در دنیای کامپیوتر متوجه می‌شود. پژوهش هوش مصنوعی در پیشرفت یادگیری: معرفی بنچمارک Gotta Learn Fast بُنچمارک جدید Gotta Learn Fast از OpenAI، استانداردی نوین برای آزمایش عمومی‌سازی در یادگیری تقویتی (RL) معرفی می‌کند؛ چگونگی طراحی، اهداف و نتایج کلیدی. پژوهش هوش مصنوعی در چالش Retro Contest: انتقال یادگیری و تعمیم در RL چالش Retro Contest از OpenAI، امتحان قدرت تعمیم الگوریتم‌های یادگیری تقویتی از تجربه‌های پیشین، با تمرکز بر یادگیری انتقال، آینده هوش مصنوعی را شکل می‌دهد. پژوهش کاهش واریانس در گرادیان پالیسی با بنسلی‌های فاکتورایز به عمل هوش مصنوعی OpenAI در این مقاله، بنسلی‌های فاکتورایز به عمل را برای کاهش واریانس در گرادیان پالیسی معرفی می‌کند و اثر مثبت آن بر سرعت و دقت یادگیری را نشان داد. پژوهش حملات هوش مصنوعی: بهینه‌سازی GAN با استفاده از انتقال مطلوب OpenAI با بهره‌گیری از انتقال مطلوب، ماهیت الگوریتم‌های GAN را بهبود بخشید؛ از همبستگی کماند کاهش می‌یابد و کیفیت تصاویر ارتقا می‌یابد.