پژوهش هوش مصنوعی و خودآموزی رقابتی: کشف مهارت‌های فیزیکی بدون طراحی قبلی OpenAI با رویکرد «بازی‌رقابتی-خودآموز»، هوش مصنوعی را قادر به کشف مهارت‌های فیزیکی پیچیده مانند تکل زدن بدون نیاز به طراحی صریح محیط کرده است. این روش تضمین‌کننده پیشرفت مستمر و آینده سیستم‌های قدرتمند AI خواهد بود. ۱۹ مهر ۱۳۹۶ ۳ دقیقه محصولات محاسبات غیرخطی در شبکه‌های خطی عمیق تازه‌ترین خبر حوزه هوش مصنوعی از منابع معتبر منتشر شده است. ۷ مهر ۱۳۹۶ ۲ دقیقه پژوهش هوش مصنوعی و گامی نو در مدل‌سازی ذهن‌های متقابل: الگوریتم LOLA اوپن‌ای‌آی اوپن‌ای‌آی الگوریتم LOLA را معرفی کرد که با درک فرآیند یادگیری عامل‌های دیگر، استراتژی‌های مشارکتی و در عین حال خودخواهانه را در هوش مصنوعی ممکن می‌سازد. این گامی مهم در مدل‌سازی ذهن است. ۲۳ شهریور ۱۳۹۶ ۲ دقیقه 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. ۲۲ شهریور ۱۳۹۶ ۴ دقیقه 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 ۲۷ مرداد ۱۳۹۶ ۲ دقیقه 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. ۲۵ مرداد ۱۳۹۶ ۳ دقیقه 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 ۲۰ مرداد ۱۳۹۶ ۲ دقیقه 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. ۱۲ مرداد ۱۳۹۶ ۳ دقیقه 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. ۵ مرداد ۱۳۹۶ ۳ دقیقه 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 ۲۹ تیر ۱۳۹۶ ۲ دقیقه