پژوهش
آگاهی از یادگیری رقیب: گامی نوین در هوش مصنوعی پیشرفته
اکتشاف جدید OpenAI در هوش مصنوعی: متودولوژی «یادگیری با آگاهی از یادگیری رقیب» نحوه تعامل عامل‌ها را در محیط‌های رقابتی متحول می‌کند و به استراتژی‌های پیچیده‌تر منجر می‌شود.
مدل‌ها
مبانی OpenAI: ACKTR و A2C
ما دو پیاده‌سازی جدید از OpenAI Baselines را منتشر می‌کنیم: ACKTR و A2C. A2C یک نوع همزمان و قطعی از Asynchronous Advantage Actor Critic (A3C) است که به نظر م
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.
پژوهش
دوتا 2
ما رباتی ساخته‌ایم که در مسابقات تک به تک دوتا ۲، تحت قوانین استاندارد مسابقات، برترین متخصصان جهان را شکست می‌دهد. این ربات بازی را از ابتدا و با بازی با خود
پژوهش
انقلاب در آموزش هوش مصنوعی: بازخورد انسانی، راهی به سوی ایمنی
OpenAI با معرفی RL-Teacher، رویکردی نوین برای آموزش هوش مصنوعی ارائه کرده است. این روش با تکیه بر بازخورد انسانی، امکان توسعه سیستم‌های ایمن‌تر و حل مسائل پیچیده یادگیری تقویتی را فراهم می‌کند.
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.
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
پژوهش
چالش جدید هوش مصنوعی: تصاویر خصمانه مقاوم، تهدیدی برای خودران‌ها؟
اوپن‌ای‌آی با ساخت تصاویر خصمانه مقاوم در برابر تغییر مقیاس و زاویه دید، توانایی فریب شبکه‌های عصبی را در شرایط واقعی ثابت کرد و ادعای امنیت خودروهای خودران را به چالش کشید.
پژوهش
هوش مصنوعی: بازپخش تجربهٔ به‌دست‌آمده به‌عنوان نیروی تسریع یادگیری تقویتی
در این مقاله، به بررسی بازپخش تجربهٔ به‌دست‌آمده در یادگیری تقویتی پرداخته و نشان می‌دهد چگونه می‌تواند عملکرد رباتیک و بازی‌های شبیه‌سازی را تسریع کند.
پژوهش
هوش مصنوعی در یادگیری تدریجی: روش Teacher–Student Curriculum Learning
روش نوین Teacher–Student Curriculum Learning به‌صورت هوش مصنوعی می‌تواند مدل‌های یادگیری را با برنامه‌ریزی تدریجی آموزش دهد و دقت را طبیعی‌تر کند.