پژوهش نبرد هوش مصنوعی با انسان در دوتا ۲؛ از یادگیری تقویتی تا قهرمانی در وبلاگ هما، نگاهی می‌اندازیم به دستاورد بزرگ OpenAI در بازی دوتا ۲ با استفاده از یادگیری تقویتی عمیق و بررسی تأثیر آن بر آینده هوش مصنوعی و بازی‌های ویدیویی. ۲۲ آذر ۱۳۹۸ ۳ دقیقه پژوهش هوش مصنوعی و پدیده دابل دسانت؛ راز افت و خیز دوباره مدل‌ها پژوهش جدید OpenAI نشان می‌دهد عملکرد مدل‌های هوش مصنوعی با بزرگ‌تر شدن، ابتدا بهبود، سپس افت، و دوباره بهبود می‌یابد. این پدیده «دابل دسانت» نام دارد. ۱۴ آذر ۱۳۹۸ ۲ دقیقه پژوهش معیار جدید Procgen؛ سنجش تعمیم‌پذیری مهارت‌های عامل‌های هوش مصنوعی در این مقاله، معیار Procgen Benchmark از OpenAI را بررسی می‌کنیم؛ ابزاری با ۱۶ محیط رویه‌ای که سرعت یادگیری مهارت‌های قابل‌تعمیم را در عامل‌های یادگیری تقویتی می‌سنجد. ۱۲ آذر ۱۳۹۸ ۲ دقیقه پژوهش Safety Gym؛ ابزار جدید OpenAI برای سنجش ایمنی در هوش مصنوعی Safety Gym مجموعه‌ای از محیط‌ها و ابزارهای OpenAI است که برای اندازه‌گیری پیشرفت عامل‌های یادگیری تقویتی در رعایت محدودیت‌های ایمنی هنگام آموزش طراحی شده است. ۳۰ آبان ۱۳۹۸ ۲ دقیقه پژوهش رونمایی OpenAI از معیاری برای اکتشاف امن در یادگیری تقویتی هوش مصنوعی OpenAI معیاری جدید برای سنجش اکتشاف امن در یادگیری تقویتی عمیق معرفی کرد. این معیار به محققان کمک می‌کند تعادل میان اکتشاف و ایمنی را ارزیابی کنند. ۳۰ آبان ۱۳۹۸ ۲ دقیقه مدل‌ها انتشار نسخه نهایی GPT-2 با ۱.۵ میلیارد پارامتر؛ گامی در شفاف‌سازی هوش مصنوعی OpenAI بزرگ‌ترین نسخه GPT-2 با ۱.۵ میلیارد پارامتر را به‌همراه کد و وزن‌های مدل برای تشخیص خروجی منتشر کرد. این آخرین گام از انتشار مرحله‌ای GPT-2 است. ۱۴ آبان ۱۳۹۸ ۲ دقیقه پژوهش هوش مصنوعی و حل مکعب روبیک با دست رباتیک؛ جهشی در مهارت‌های فیزیکی اوپن‌ای‌آی با ترکیب یادگیری تقویتی و تکنیک جدید ADR، دست رباتیک را آموزش داد تا مکعب روبیک را حل کند. این موفقیت نشان می‌دهد هوش مصنوعی می‌تواند در دنیای فیزیکی هم مهارت‌های پیچیده ای بیاموزد. ۲۳ مهر ۱۳۹۸ ۲ دقیقه آموزش ثبتنام سومین دوره OpenAI Scholars آغاز شد؛ برای علاقهمندان به هوش مصنوعی ثبتنام سومین دوره برنامه OpenAI Scholars آغاز شد و علاقهمندان به هوش مصنوعی میتوانند برای دریافت حمایت مالی و منتورشیپ در این برنامه اقدام کنند. ۱۹ مهر ۱۳۹۸ ۲ دقیقه مدل‌ها تنظیم دقیق GPT-2 از ترجیحات انسانی ما مدل زبانی GPT-2 با پارامتر ۷۷۴ میلیون را با استفاده از بازخورد انسانی برای وظایف مختلف تنظیم دقیق کرده‌ایم و با موفقیت ترجیحات برچسب‌گذارهای انسانی خارجی ر ۲۸ شهریور ۱۳۹۸ ۲ دقیقه آموزش استفاده از ابزار نوظهور از تعامل چند عاملی ما مشاهده کرده‌ایم که عامل‌ها هنگام انجام یک بازی ساده قایم‌موشک، به تدریج استفاده از ابزارهای پیچیده‌تر را کشف می‌کنند. از طریق آموزش در محیط قایم‌موشک شبیه‌ ۲۶ شهریور ۱۳۹۸ ۲ دقیقه