OpenAI Scholars 2019 开放申请
OpenAI 宣布开放第二期 OpenAI Scholars 项目申请,将提供 6–10 份津贴和导师指导,面向代表性不足群体的个人,资助其全职学习深度学习 3 个月并开源一个项目。
OpenAI 宣布开放第二期 OpenAI Scholars 项目申请,将提供 6–10 份津贴和导师指导,面向代表性不足群体的个人,资助其全职学习深度学习 3 个月并开源一个项目。
OpenAI 发布了用于强化学习研究的游戏平台 Gym Retro 完整版,支持游戏数量从此前公开的约 70 款 Atari 游戏和 30 款 Sega 游戏,扩展到覆盖多种底层模拟器的 1000 款以上游戏。OpenAI 同时开源了用于向该平台添加新游戏的工具。
OpenAI 发布 Requests for Research 2.0,公开其研究过程中出现的七个尚未解决的问题。这批问题来自 OpenAI 自身研究实践,面向研究社区征集解法。
OpenAI 表示自博弈让模拟 AI 无需专门设计环境即可自行发现铲球、躲闪、假动作、踢球、接球和鱼跃扑球等身体技能,并确保环境难度始终适合 AI 提升。结合此前 Dota 2 的自博弈结果,OpenAI 表示对自博弈将成为未来强大 AI 系统核心部分的信心在增加。
推荐理由:原文把 Dota 2 与足球自博弈结果并列,说明自博弈可迁移到不同环境并自动匹配难度。
OpenAI 发布了两个新的 OpenAI Baselines 实现:ACKTR 和 A2C。A2C 是 A3C 的同步、确定性变体,性能与 A3C 相当;ACKTR 是比 TRPO 和 A2C 更样本高效的强化学习算法,每次更新所需计算量仅比 A2C 略多。
OpenAI 宣布其开发的机器人在标准赛事规则下的 Dota 2 1v1 对战中击败了世界顶尖职业选手。该机器人完全通过自对弈从零学会游戏,不使用模仿学习或树搜索,OpenAI 称这是迈向在复杂真实人类场景中完成明确目标的 AI 系统的一步。
OpenAI 发布新的强化学习算法 Proximal Policy Optimization (PPO),其表现与当前最先进方法相当或更好,同时实现和调参更简单。PPO 因易用性和良好表现已成为 OpenAI 内部默认的强化学习算法。
OpenAI 开源了内部强化学习算法复现项目 OpenAI Baselines,首批发布 DQN 及其三个变体,性能与已发表结果持平。OpenAI 表示将在未来几个月陆续发布更多算法。
OpenAI 发现进化策略(ES)这一已知数十年的优化技术,在 Atari/MuJoCo 等现代强化学习基准上能匹敌标准强化学习(RL)技术的表现,同时克服了 RL 的诸多不便。
OpenAI 在办公室举办了首届自组织机器学习会议,邀请了超过 150 名 AI 从业者参与。
OpenAI 推出 Special projects,聚焦具有实际影响力的科学研究项目。文章指出,有价值的科研工作需要选对问题——不仅要有趣,其解决方案更要真正重要。
OpenAI 表示其使命是构建安全的 AI,并确保 AI 的益处尽可能广泛、均匀地分布。原文仅以一句话概括了这一技术目标,未给出具体模型、参数或评测数据。
OpenAI 发布文章介绍四个围绕生成式模型的项目,生成式模型是机器学习中无监督学习技术的一个分支。文章同时讲解生成式模型是什么、为何重要以及未来可能的发展方向。
OpenAI 发布强化学习(RL)算法开发与比较工具包 OpenAI Gym 的公开 beta 版,包含从模拟机器人到 Atari 游戏的环境套件,以及一个用于比较和复现结果的网站。
OpenAI 在过去几个月迎来多位新成员加入,并表示仍在继续招聘。