پژوهش انقلاب در هوش مصنوعی: شبکه‌های عصبی خلوت با تنظیم‌گر L₀ اوپن‌ای‌آی با روشی نوین به شبکه‌های عصبی خلوت دست یافته است. این تکنیک با استفاده از تنظیم‌گر L₀، مدل‌هایی با پارامترهای کمتر و کارایی بالاتر می‌سازد. کشف این راهکار، گام مهمی در بهینه‌سازی مدل‌های هوش مصنوعی محسوب می‌شود. ۱۳ آذر ۱۳۹۶ ۴ دقیقه پژوهش شفافیت در هوش مصنوعی: مثال‌های قابل تفسیر و آموزشی OpenAI OpenAI با معرفی مثال‌های قابل تفسیر و آموزشی، گام مهمی در جهت افزایش شفافیت و درک عمیق‌تر عملکرد مدل‌های پیچیده هوش مصنوعی برداشته است. این رویکرد به کاربران کمک می‌کند تا تصمیم‌گیری‌های AI را بهتر بفهمند و به آن اعتماد کنند. ۱۱ آبان ۱۳۹۶ ۳ دقیقه پژوهش هوش مصنوعی سلسله‌مراتبی: رویکرد جدید OpenAI برای حل سریع مسائل پیچیده OpenAI الگوریتم یادگیری تقویتی سلسله‌مراتبی جدیدی معرفی کرده که با یادگیری عملیات سطح بالا، حل سریع مسائل پیچیده ناوبری را در هزاران گام زمانی ممکن می‌سازد. ۴ آبان ۱۳۹۶ ۳ دقیقه 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. ۲۶ تیر ۱۳۹۶ ۴ 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 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 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 پژوهش هوش مصنوعی: انتقال دانش نیمه‌مبانی از داده‌های خصوصی و تحلیل نوین OpenAI راه حلی نیمه‌مبانی برای انتقال دانش مدل‌های یادگیری عمیق معرفی کرده است که داده‌های خصوصی را محافظت می‌کند و نیاز به برچسب‌گذاری را کاهش می‌دهد. ۲۷ مهر ۱۳۹۵ ۲ دقیقه پژوهش هوش مصنوعی در انتقال یادگیری شبیه‌سازی به دنیای واقعی با مدل عکسی معکوس عمقی این مقاله به بررسی روش انتقال بین شبیه‌سازی و دنیای واقعی با استفاده از مدل عکسی معکوس عمیق در هوش مصنوعی می‌پردازد. ۲۰ مهر ۱۳۹۵ ۲ دقیقه پژوهش روند پیشرفت هوش مصنوعی: نقش زیرساخت‌های یادگیری عمیق و جامعه متن‌باز یک نگاهی به اهمیت زیرساخت‌های یادگیری عمیق در تسریع پیشرفت هوش مصنوعی و نقش جامعه متن‌باز در ساخت ابزارهای قدرتمند و دسترسی‌پذیر. ۸ شهریور ۱۳۹۵ ۲ دقیقه