OpenAI 提出分层强化学习算法，学习可复用的高层动作
OpenAI 开发出一种分层强化学习算法，能学习对解决多类任务有用的高层动作，从而快速求解需要数千个时间步的任务。在导航问题集上，该算法发现了向不同方向行走和爬行的高层动作，使智能体能够快速掌握新的导航任务。
#OpenAI
#OpenAI
今日 1 条OpenAI NewsAI 评分4040
OpenAI NewsAI 评分3636 OpenAI 让机器人从模拟中泛化到真实环境
OpenAI 最新机器人技术让完全在模拟中训练的控制器部署到实体机器人后，能在完成简单任务时对环境中未预料的变化做出反应，即从以往的开环系统升级为闭环系统。
OpenAI NewsAI 评分3030 OpenAI 研究：元学习让机器人摔跤手快速击败更强对手
OpenAI 展示，在模拟机器人摔跤任务中，元学习智能体能够快速击败更强的非元学习智能体，并能适应物理故障。
OpenAI News精选AI 评分6262 OpenAI 发现自博弈让模拟 AI 自行学会身体技能
OpenAI 发现自博弈能让模拟 AI 自行发现擒抱、闪避、假动作、踢球、接球和扑球等身体技能，而无需在设计环境时预先考虑这些技能。自博弈还能让环境难度始终与 AI 的当前水平相匹配。结合此前的 Dota 2 自博弈结果，OpenAI 表示越来越相信自博弈将成为未来强大 AI 系统的核心组成部分。
推荐理由：OpenAI 用自博弈让模拟 AI 自行涌现出擒抱、假动作等身体技能，可与 Dota 2 结果对照理解自博弈的训练思路。
OpenAI NewsAI 评分3535 OpenAI 发布 LOLA 算法：让智能体学会建模他人心智
OpenAI 发布 Learning with Opponent-Learning Awareness（LOLA）算法，该算法考虑到其他智能体也在学习，能在迭代囚徒困境中发现“tit-for-tat”这类既自利又合作的策略。这是迈向能够建模他人心智的智能体的一小步。
OpenAI NewsAI 评分2222 OpenAI Baselines 新增 ACKTR 与 A2C 实现
OpenAI 在 Baselines 中发布 ACKTR 和 A2C 两个强化学习算法实现。A2C 是 A3C 的同步确定性变体，性能与之相当；ACKTR 比 TRPO 和 A2C 更节省样本，每次更新仅比 A2C 略多计算量。
OpenAI News精选AI 评分8383 OpenAI 详解 Dota 2：自对弈如何把系统从人类水平之下推到超人水平
OpenAI 发文说明其 Dota 2 结果表明，在算力充足的前提下，自对弈能把机器学习系统的表现从远低于人类水平提升到超人水平。该系统在一个月内从勉强与高排名玩家打平，发展到击败顶尖职业选手，此后仍在持续进步。OpenAI 指出，监督式深度学习系统的上限受训练数据集限制，而自对弈系统中可用数据会随智能体变强而自动改善。
推荐理由：OpenAI 用 Dota 2 结果说明自对弈在算力充足时能把系统从远低于人类提升到超人水平。
OpenAI News精选AI 评分8080 OpenAI 机器人击败 Dota 2 顶级职业选手
OpenAI 训练出一个机器人，在标准锦标赛规则下的 Dota 2 1v1 对战中击败了世界顶级职业选手。该机器人完全通过自我对弈从零学习游戏，未使用模仿学习或树搜索。OpenAI 称这是朝着构建能在涉及真实人类的混乱复杂情境中完成明确目标的人工智能系统迈出的一步。
推荐理由：OpenAI 用自我对弈从零训练出的机器人击败 Dota 2 顶级职业选手，展示了在复杂对抗环境中达成目标的一种路径。
OpenAI NewsAI 评分3838 OpenAI 开源 RL-Teacher：通过人类反馈训练 AI
OpenAI 开源了 RL-Teacher，一种通过偶发人类反馈而非手工设计奖励函数来训练 AI 的接口实现。该技术旨在推进安全 AI 系统，也适用于奖励难以明确指定的强化学习问题。
OpenAI NewsAI 评分4242 OpenAI 用参数噪声改进强化学习探索
OpenAI 发现向强化学习算法的参数中加入自适应噪声，往往能提升性能。这种探索方法实现简单，且极少导致性能下降，因此值得在任何问题上尝试。
OpenAI News精选AI 评分6262 OpenAI 发布强化学习算法 PPO
OpenAI 发布一类新的强化学习算法 Proximal Policy Optimization（PPO），称其性能与当时最先进方法相当或更好，同时实现和调参都简单得多。PPO 已成为 OpenAI 的默认强化学习算法，原因是易用且性能良好。
推荐理由：OpenAI 官方发布 PPO 算法，说明其性能与实现复杂度的取舍，可作为强化学习方法的背景参考。
OpenAI NewsAI 评分4040 OpenAI 造出多尺度视角下稳定欺骗神经网络分类器的对抗样本
OpenAI 造出可从不同尺度和视角稳定欺骗神经网络分类器的对抗图像，直接挑战上周"自动驾驶汽车因多尺度、多角度采集图像而难以被恶意欺骗"的说法。
OpenAI NewsAI 评分2222 OpenAI 开源基于 MuJoCo 引擎的高性能 Python 机器人仿真库
OpenAI 开源了一个基于 MuJoCo 引擎的高性能 Python 机器人仿真库，该库源自其过去一年的机器人研究。
OpenAI News精选AI 评分6262 OpenAI 与 DeepMind 合作提出从人类偏好中学习的方法
OpenAI 与 DeepMind 安全团队合作开发了一种算法，通过让人类判断两种候选行为哪个更好，来推断人类想要什么。OpenAI 表示，构建安全 AI 系统的一步是免去人类编写目标函数的需要，因为用简单代理替代复杂目标或把复杂目标写偏一点，都可能导致不良甚至危险的行为。
推荐理由：OpenAI 与 DeepMind 安全团队合作提出用人类偏好比较替代手写目标函数，可了解早期对齐研究的一条思路。
OpenAI NewsAI 评分2222 OpenAI 谈多智能体环境：通往 AGI 的竞争、合作与通信
OpenAI 发文指出，智能体争夺资源的多智能体环境是通往 AGI 的踏脚石，其难度由竞争对手的水平决定，与自身克隆体对抗时环境恰好匹配自身能力。这类环境不存在稳定均衡，智能体再聪明也始终面临变得更聪明的压力，因此与传统环境体验迥异，仍需大量研究才能驾驭。
OpenAI News精选AI 评分6262 OpenAI 开源 Baselines 项目，首批发布 DQN 及三个变体
OpenAI 开源内部项目 OpenAI Baselines，目标是以与已发表结果相当的性能复现强化学习算法。算法将在未来数月内陆续发布，今天的首批发布包含 DQN 及其三个变体。
推荐理由：OpenAI 开源内部复现强化学习算法的 Baselines 项目，首批放出 DQN 及其三个变体，可了解其复现思路与后续发布节奏。
OpenAI News精选AI 评分6262 OpenAI 发布可在实体机器人上部署的仿真训练机器人系统
OpenAI 创建了一套机器人系统，完全在仿真中训练并部署到实体机器人上，能够在看过一次任务演示后学会该新任务。
推荐理由：OpenAI 展示了一套完全在仿真中训练、可直接部署到实体机器人的系统，读者可了解其单次示范学习新任务的能力。
OpenAI News精选AI 评分6262 OpenAI 发布开源机器人仿真软件 Roboschool，集成 OpenAI Gym
OpenAI 发布 Roboschool，这是一款用于机器人仿真的开源软件，并与 OpenAI Gym 集成。
推荐理由：OpenAI 开源机器人仿真软件并接入 Gym，可了解早期具身智能训练环境的开放方式。
OpenAI NewsAI 评分5050 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 NewsAI 评分2222 OpenAI 打造全球首个在仿真中训练、部署于实体机器人的垃圾邮件检测 AI
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 NewsAI 评分5050 OpenAI 研究：进化策略可作为强化学习的可扩展替代方案
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 NewsAI 评分4040 OpenAI 支持 Distill 上线：面向机器学习成果传播的新型期刊
OpenAI 宣布支持 Distill 上线，这是一种旨在出色传播机器学习成果（无论新颖还是已有）的新型期刊。
OpenAI NewsAI 评分5252 OpenAI 研究：智能体如何发展出自己的语言
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。
OpenAI NewsAI 评分3838 OpenAI 详解对抗样本如何攻击机器学习模型
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 NewsAI 评分2222 OpenAI 团队扩至 45 人
OpenAI 团队规模现已达到 45 人，正共同推进 AI 能力前沿，包括验证新想法、构建新软件系统以及在机器人上部署机器学习。
OpenAI NewsAI 评分1717 OpenAI 探讨强化学习中的错误奖励函数问题
OpenAI 发文探讨强化学习算法中一种反直觉的失效模式：奖励函数设定错误。当奖励函数被错误指定时，算法会以出人意料的方式崩溃。
OpenAI News精选AI 评分6262 OpenAI 发布 Universe 软件平台
OpenAI 发布 Universe，一个用于衡量和训练 AI 通用智能的软件平台。该平台覆盖全球范围内的游戏、网站及其他应用。
推荐理由：OpenAI 官方发布 Universe 平台，读者可了解其用游戏和网站训练通用智能的定位。
OpenAI NewsAI 评分2222 OpenAI 与 Microsoft 合作，将大规模实验迁移至 Azure
OpenAI 正与 Microsoft 合作，将其大部分大规模实验放到 Azure 上运行。
OpenAI NewsAI 评分1010 OpenAI 举办首届自组织机器学习会议
OpenAI 上周在办公室举办首届自组织机器学习会议，接待了 150 多名 AI 从业者。
OpenAI NewsAI 评分1212 OpenAI 谈深度学习基础设施
深度学习是一门经验科学，团队基础设施的质量是进展的倍增器。OpenAI 指出，如今的开源生态让任何人都能搭建出色的深度学习基础设施。
OpenAI NewsAI 评分88 OpenAI 机器学习 Unconference 信息页上线
OpenAI 机器学习 Unconference 的最新信息现已在 Unconference wiki 上发布，该页面将定期更新，为参会者提供更多信息。
OpenAI NewsAI 评分88 OpenAI 团队新增成员
OpenAI 宣布已招聘更多优秀人才以帮助实现其目标，并对新加入的成员表示欢迎。原文未披露具体人数、姓名或岗位信息。
OpenAI NewsAI 评分44 OpenAI 特别项目：攻克真正重要的科学问题
OpenAI 提出，有影响力的科学工作需要在正确的问题上下功夫——这些问题不仅要有趣，其解决方案更要真正重要。
OpenAI NewsAI 评分4040 OpenAI 参与合著 Google Brain 主导的 AI 安全论文《Concrete Problems in AI Safety》
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 NewsAI 评分88 OpenAI 的技术目标
OpenAI 阐述其使命是构建安全的 AI，并确保 AI 带来的益处尽可能广泛且均衡地分配。该目标强调安全与普惠并重，是其技术工作的总体方向。
OpenAI NewsAI 评分2020 OpenAI 谈生成模型：四个项目与生成模型的现状与未来
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。
OpenAI NewsAI 评分55 OpenAI 欢迎新团队成员加入
OpenAI 欢迎最新一批团队成员加入，并仍在持续招聘。
OpenAI News精选AI 评分6262 OpenAI 发布强化学习工具包 OpenAI Gym 公测版
OpenAI 发布 OpenAI Gym 公测版，这是一个用于开发和比较强化学习（RL）算法的工具包。它包含一套持续扩充的环境，涵盖模拟机器人和 Atari 游戏，并提供一个用于比较和复现结果的站点。
推荐理由：OpenAI 官方发布强化学习工具包公测，读者可了解其环境套件与结果对比站点的构成。
OpenAI NewsAI 评分00 OpenAI 欢迎 Pieter 和 Shivon 加入团队
OpenAI 宣布 Pieter 和 Shivon 两位新成员加入团队，这是该公司公布的最新两项团队人事变动。原文未披露两人的具体职位与职责。
OpenAI NewsAI 评分22 OpenAI 欢迎新成员加入团队
OpenAI 宣布过去几个月有多位优秀人才加入团队，并称仍在持续招聘中。