NadiAIGlobal AI news. Concise. Clear. Easy to follow.
Penyelidik Google Brain menerajui kertas kerja baru 'Concrete Problems in AI Safety' yang turut disertai penulis dari OpenAI, Berkeley dan Stanford. Kertas itu meneroka pelbagai masalah penyelidikan untuk memastikan sistem pembelajaran mesin moden berfungsi seperti yang dimaksudkan.
Minggu lalu OpenAI menganjurkan persidangan kendiri pertama mengenai pembelajaran mesin yang dihadiri lebih 150 pengamal AI di pejabatnya. Ringkasan ini disusun berdasarkan maklumat yang dikongsi oleh OpenAI.
Menurut OpenAI, contoh adversarial ialah input yang direka untuk menyebabkan model pembelajaran mesin membuat kesilapan seperti ilusi optik bagi mesin. Catatan ini menunjukkan bagaimana contoh sedemikian berfungsi merentas medium dan mengulas mengapa sukar untuk mengamankan sistem terhadapnya.
OpenAI menyokong pelancaran Distill, sebuah jurnal baharu yang menumpukan pada komunikasi jelas keputusan pembelajaran mesin. Ia bertujuan mempersembahkan hasil baru atau sedia ada dengan penjelasan yang lebih baik.
OpenAI menerangkan pendekatan 'plan online, learn offline' yang menggunakan kawalan berasaskan model untuk pembelajaran dan eksplorasi lebih cekap. Laporan itu menerangkan bagaimana perancangan dalam talian digabungkan dengan pembelajaran luar talian untuk meningkatkan prestasi.
Kohort pertama OpenAI Fellows musim panas 2018 telah menamatkan program enam bulan mereka. Setiap Fellow dilaporkan berkembang daripada pemula pembelajaran mesin kepada penyumbang teras di OpenAI dan membentangkan projek akhir mereka.
Kelas kedua OpenAI Fellows Musim Gugur 2018 telah selesai selepas program magang enam bulan. Setiap Fellow berkembang dari pemula pembelajaran mesin kepada penyumbang teras di OpenAI, dan permohonan untuk Summer 2019 sedang dikaji secara berterusan.
Yen‑Ling Kuo membangunkan Diff‑DAgger, kaedah yang menggunakan diffusion policy untuk membolehkan robot menganggarkan ketidakpastian dan meminta campur tangan manusia hanya apabila perlu. Ujian menunjukkan ia meningkatkan ramalan kegagalan sekitar 39%, menambah kadar penyempurnaan tugas 20% dan mempercepat penyelesaian hampir lapan kali, sambil mengurangkan keperluan pemantauan manusia.
Hugging Face Blog menerbitkan entri mengenai Margaret Mitchell, seorang pakar pembelajaran mesin. Entri itu membincangkan pandangan dan pengalaman profesionalnya menurut sumber blog tersebut.
Menurut catatan Blog Hugging Face, 'Machine Learning Experts' menampilkan Lewis Tunstall dan pandangannya tentang perkembangan serta cabaran pembelajaran mesin. Artikel itu dilaporkan memberi wawasan profesional berdasarkan pengalaman beliau dalam bidang itu.
Menurut Hugging Face Blog, pembelajaran mesin boleh mempercepat dan memperibadikan khidmat pelanggan. Petikan yang disediakan tidak mengandungi butiran teknikal atau contoh khusus.
Menurut entri blog Hugging Face, syarikat itu berjaya mengumpul US$100 juta untuk menyokong pembelajaran mesin yang terbuka dan kolaboratif. Catatan blog itu menjelaskan matlamat umum penggunaan dana tetapi perincian pelabur dan agihan belum dirincikan dalam petikan ini.