آموزش
استادیان استنفورد دوره هوش مصنوعی را برای همه به صورت رایگان باز کرده‌اند
پروفسورهای Sebastian Thrun و Peter Norvig از دانشگاه استنفورد، دوره هوش مصنوعی خود را به صورت رایگان و آنلاین برای تمام افراد علاقه‌مند در سراسر جهان ارائه کرده‌اند. این اقدام آکادمیک، به دانشجویان و پژوهشگران امکان می‌دهد به تازگی‌ترین روش‌ها و مطالب آموزشی دسترسی پیدا کنند.
پژوهش
نگاهی به هوش مصنوعی و ادیان: آیا فناوری می‌تواند اخلاقی باشد؟
پرسش از اخلاقی بودن هوش مصنوعی به موضوعی جدی تبدیل شده است. آیا فناوری می‌تواند ارزش‌های دینی و انسانی را حفظ کند؟ پاسخ‌ها را در این مقاله بخوانید.
پژوهش
آموزش مقیاس‌پذیر هوش مصنوعی؛ از هنر تا علم با نویز گرادیان
پژوهشگران OpenAI دریافته‌اند که معیار نویز گرادیان می‌تواند آموزش شبکه‌های عصبی را نظام‌مند و مقیاس‌پذیر کند و استفاده از batch sizeهای بزرگ‌تر را ممکن سازد.
پژوهش
کاهش واریانس در گرادیان پالیسی با بنسلی‌های فاکتورایز به عمل هوش مصنوعی
OpenAI در این مقاله، بنسلی‌های فاکتورایز به عمل را برای کاهش واریانس در گرادیان پالیسی معرفی می‌کند و اثر مثبت آن بر سرعت و دقت یادگیری را نشان داد.
پژوهش
هوش مصنوعی در قالب Reptile: الگوریتم میکرو یادگیری ساده و مقیاس‌پذیر
Reptile یک الگوریتم مبتنی بر متا یادگیری است که با استفاده از گرادیان تصادفی و به‌روزرسانی پارامتر اولیه، عملکرد مشابه MAML را با کارایی بهبود یافته ارائه می‌دهد.
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: 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.