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
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 و اکتشاف UCB: روشی نوین با Q‑Ensembles و بهینه‌سازی
اَشکابه‌ای از روش‌های نوین در یادگیری تقویتی: ترکیب استراتژی UCB با Q‑Ensembles به منظور افزایش کارایی اکتشاف در محیط‌های پیچیده هوش مصنوعی
پژوهش
OpenAI Baselines: DQN و سه نسخه‌ی جدید در زمینهٔ هوش مصنوعی
OpenAI کتابخانهٔ Baselines را به‌صورت کد باز رونویسی کرده و الگوریتم DQN همراه با سه نسخه پیشرفته را معرفی می‌کند. با جزئیات پیاده‌سازی و نکات کاربردی را بیابید.
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 با شبکه عصبی تصادفی: یادگیری تقویتی سلسله‌مراتبی
مقاله OpenAI به بررسی شبکه‌های عصبی تصادفی و نقش آن‌ها در یادگیری تقویتی سلسله‌مراتبی می‌پردازد. کلمات کلیدی: هوش مصنوعی، یادگیری تقویتی، شبکه عصبی تصادفی.
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: 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 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.