NadiAIGlobal AI news. Concise. Clear. Easy to follow.
OpenAI bersama pasukan keselamatan DeepMind membangunkan algoritma yang menilai keutamaan manusia dengan membandingkan dua tingkah laku dan menentukan yang lebih baik. Langkah ini bertujuan mengurangkan keperluan fungsi tujuan bertulis manusia yang boleh salah wakil dan menyebabkan tingkah laku berbahaya.
OpenAI mengeluarkan kod sumber untuk pustaka Python prestasi tinggi bagi simulasi robotik yang dibina menggunakan enjin MuJoCo. Pustaka itu dibangunkan sepanjang setahun penyelidikan robotik syarikat dan bertujuan mempercepatkan fizik dalam simulasi Python.
Penyelidik mencipta imej yang boleh secara konsisten mengecoh pengkelasan rangkaian neural walaupun dilihat dari skala dan perspektif berbeza. Penemuan ini mencabar dakwaan minggu lalu bahawa kenderaan pandu sendiri sukar ditipu kerana rakaman dari pelbagai sudut.
OpenAI mengumumkan kelas baharu algoritma pembelajaran pengukuhan, Proximal Policy Optimization (PPO). Mereka berkata PPO memberi prestasi setanding atau lebih baik daripada kaedah terkemuka, sambil lebih mudah dilaksanakan dan ditala, dan kini menjadi algoritma lalai di OpenAI.
OpenAI menerbitkan RL-Teacher, pelaksanaan sumber terbuka bagi antara muka yang melatih model melalui maklum balas manusia sekali-sekala berbanding fungsi ganjaran ditulis tangan. Kaedah ini dibangunkan sebagai langkah ke arah sistem AI yang lebih selamat dan juga boleh digunakan pada masalah pembelajaran penguatan dengan ganjaran sukar ditakrifkan.
Menurut OpenAI, mereka membina bot yang menewaskan pemain profesional terkemuka dalam perlawanan 1v1 Dota 2 mengikut peraturan kejohanan standard. Bot itu belajar permainan dari awal melalui self-play tanpa menggunakan imitation learning atau carian pokok.
OpenAI melancarkan inisiatif baharu untuk membantu mengesan dan menampal pepijat dalam perisian sumber terbuka. Menurut laporan TechCrunch AI, usaha itu bertujuan menangani isu keselamatan dalam komuniti sumber terbuka.
Menurut OpenAI, sistem Dota 2 mereka menggunakan self-play dan dalam kira-kira sebulan meningkat dari hampir menyamai pemain berperingkat tinggi kepada mengalahkan profesional teratas. Berbanding pembelajaran mendalam berpenyelia yang terikat kepada set data latihan, data self-play bertambah secara automatik selaras dengan peningkatan agen.
OpenAI mengeluarkan dua implementasi baru dalam repositori Baselines: ACKTR dan A2C. Menurut OpenAI, A2C ialah varian sinkron dan deterministik bagi A3C dengan prestasi setara, manakala ACKTR lebih cekap dalam penggunaan sampel berbanding TRPO dan A2C dengan sedikit tambahan pengiraan setiap kemas kini.
OpenAI mengeluarkan algoritma bernama Learning with Opponent-Learning Awareness (LOLA) yang mengambil kira bahawa agen lain juga sedang belajar. Algoritma ini dapat menemui strategi kolaboratif tetapi mementingkan diri sendiri, seperti tit-for-tat dalam dilema banduan berulang (iterated prisoner’s dilemma).
Kajian OpenAI menunjukkan bahawa self-play membolehkan agen simulasi mempelajari kemahiran fizikal seperti menolak, menunduk, berpura-pura, menendang, menangkap dan menyelam tanpa reka bentuk khusus. Self-play mengekalkan tahap cabaran yang sesuai untuk peningkatan, dan hasil serupa dalam Dota 2 memberi keyakinan bahawa teknik ini mungkin penting untuk sistem AI berkuasa masa depan.
Teknik robotik baru membolehkan pengawal yang dilatih sepenuhnya dalam simulasi berfungsi pada robot fizikal dan memberi tindak balas terhadap perubahan tidak dijangka dalam persekitaran. Kaedah ini menghasilkan sistem gelung tertutup berbanding sistem gelung terbuka sebelum ini.