پژوهش حملات هوش مصنوعی با نمونه‌های آزاردهنده: چگونه مدل‌های یادگیری ماشین را فریب می‌دهند در این مقاله به بررسی حملات هوش مصنوعی با نمونه‌های آزاردهنده، آثارشان بر مدل‌های یادگیری ماشین و چالش‌های دفاعی پرداخته می‌شود. ۶ اسفند ۱۳۹۵ ۲ دقیقه پژوهش تهدیدات تجاوزی بر سیاست‌های شبکه عصبی: چالش‌های جدید در حوزه هوش مصنوعی OpenAI با گزارش جدید در مورد حملات تجاوزی بر سیاست‌های شبکه‌های عصبی، خطرات و راهکارهای مقابله را بررسی کرده و تأکید بر امنیت سامانه‌های هوش مصنوعی دارد. ۲۰ بهمن ۱۳۹۵ ۲ دقیقه 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. ۱ دی ۱۳۹۵ ۲ دقیقه پژوهش تحلیل کمی مدل‌های تولیدی مبتنی بر رمزگشای‌ها: نتایج جدید هوش مصنوعی مطالعه‌ی جدید OpenAI در تحلیل کمی مدل‌های تولیدی مبتنی بر رمزگشای‌ها، استانداردهای اعداد و بردارهای کیفیت روش‌ها را بررسی می‌کند به‌صورت جامع و کاربردی. ۲۴ آبان ۱۳۹۵ ۲ دقیقه پژوهش هوش مصنوعی: ارتباط بین GAN، IRL و مدل های مبتنی بر انرژی این مقاله به بررسی ارتباط ژرف میان شبکه‌های مقابل (GAN)، یادگیری تقویتی معکوس (IRL) و مدل‌های مبتنی بر انرژی در هوش مصنوعی می‌پردازد. ۲۱ آبان ۱۳۹۵ ۲ دقیقه پژوهش هوش مصنوعی: RL²، راهی سریع برای یادگیری تقویتی جدید این مقاله به بررسی روش نوین RL²، یک تکنیک هوش مصنوعی برای تسریع یادگیری تقویتی توسط OpenAI می‌پردازد و تأثیرات عمده آن را تحلیل می‌کند. ۱۹ آبان 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 هوش مصنوعی: چالش‌های ایمنی واقعی در پژوهش کنکریت و راهکارهای پیشنهادی مقالهٔ تازه Google Brain با همکاران دانشگاه Berkeley و Stanford به بررسی چالش‌های واقعی ایمنی هوش مصنوعی می‌پردازد و راهکارهای عملی برای تضمین عملکرد صحیح مدل‌های یادگیری ماشین بیان می‌کند. ۱ تیر ۱۳۹۵ ۲ دقیقه پژوهش هوش مصنوعی: روش‌های دفاعی تا پیش‌بینی بهتر در طبقه‌بندی پاراگراف در این مقاله به بررسی روش‌های جدید آموزش دفاعی برای طبقه‌بندی نیمه‌نظارت‌شده متن می‌پردازیم. کاربردی‌ترین تکنیک‌ها، نقاط قوت و چالش‌های است. مد ۵ خرداد ۱۳۹۵ ۲ دقیقه پژوهش هوش مصنوعی: وزن‌گذاری Weight Normalization برای تسریع شبکه‌های عمیق در این مقاله به بررسی Weight Normalization، تکنیک ساده و قدرتمندی پرداخته می‌شود که سرعت آموزش شبکه‌های عمیق را به شکل قابل‌توجهی افزایش می‌دهد و مشکلات ناپایداری گرادیان را کاهش می‌دهد. ۶ اسفند ۱۳۹۴ ۲ دقیقه