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。
#论文/研究
#论文/研究
今日 0 条OpenAI News精选AI 评分6262
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 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 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 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。