OpenAI 无监督情感神经元:仅预测下一字符即可学到情感表征
OpenAI 开发了一个无监督系统,仅通过预测 Amazon 评论文本中的下一个字符进行训练,却学到了出色的情感表征。该系统由此形成了可解释的"情感神经元",无需任何情感标注数据。
OpenAI 开发了一个无监督系统,仅通过预测 Amazon 评论文本中的下一个字符进行训练,却学到了出色的情感表征。该系统由此形成了可解释的"情感神经元",无需任何情感标注数据。
OpenAI 称已造出全球首个完全在仿真中训练、并部署到实体机器人上的垃圾邮件检测 AI。该 AI 无需真实环境数据即可完成训练,随后在物理机器人上运行。
OpenAI 发现,已有数十年历史的进化策略(ES)在现代强化学习基准(如 Atari/MuJoCo)上性能可与标准强化学习(RL)相媲美,同时规避了 RL 的诸多不便。该研究将 ES 定位为强化学习的一种可扩展替代方案。
OpenAI 发布一项新研究,介绍智能体在其中发展出自己的语言。该文为 OpenAI 官方博客文章,正文仅提供摘要,未给出具体方法、实验设置或结果细节。
对抗样本是攻击者刻意设计、能让机器学习模型出错的输入,相当于机器的视觉错觉。OpenAI 展示了对抗样本如何跨不同媒介生效,并讨论了防御这类攻击为何困难。
OpenAI 与 Berkeley、Stanford 研究人员共同合著了由 Google Brain 主导的论文《Concrete Problems in AI Safety》,探讨如何确保现代机器学习系统按预期运行。论文聚焦于围绕这一目标的诸多研究问题。
OpenAI 介绍了四个围绕生成模型的项目,生成模型是机器学习中无监督学习技术的一个分支。文章同时解释了生成模型是什么、为何重要,以及它们可能的发展方向。