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。
全部智能工具动态
全部动态
今日 0 条OpenAI NewsAI 评分4040
OpenAI News精选AI 评分5858 OpenAI 用仿真训练机器人控制器并部署到实体机器人
OpenAI 公布最新机器人技术，让完全在仿真中训练的机器人控制器部署到实体机器人上，在完成简单任务时能对环境中未预料的变化做出反应。OpenAI 表示，这些技术被用于构建闭环系统，而非此前的开环系统。
推荐理由：原文说明机器人控制器可完全在仿真中训练后部署到实体机器人，并具备闭环反应能力，读者可了解仿真到现实迁移的思路变化。
OpenAI News精选AI 评分6262 OpenAI 发现自博弈让模拟 AI 自发学会身体技能
OpenAI 发现自博弈能让模拟 AI 在未专门设计技能环境的情况下，自行学会擒抱、闪避、假动作、踢球、接球和扑球等身体技能。自博弈还能让环境难度始终与 AI 水平匹配，从而持续推动其进步。结合此前的 Dota 2 自博弈结果，OpenAI 表示越来越确信自博弈将成为未来强大 AI 系统的核心部分。
推荐理由：OpenAI 用自博弈让模拟智能体自发学会擒抱、假动作等身体技能，可与 Dota 2 结果对照理解自博弈的训练价值。
OpenAI NewsAI 评分2222 OpenAI 用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5050 OpenAI 发布 LOLA 算法，让智能体建模对手的学习过程
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这一事实，在迭代囚徒困境中能发现类似 tit-for-tat 的自利但协作的策略。OpenAI 称这是迈向能建模他人心智的智能体的一小步。
推荐理由：OpenAI 公开 LOLA 算法，读者可了解让智能体把对手也在学习纳入建模的一种思路。
OpenAI NewsAI 评分2222 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7070 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），称其表现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 公开 PPO 算法并说明其相比当时主流方法更易实现和调参，可了解该算法的设计取舍。
OpenAI NewsAI 评分4040 OpenAI 造出多尺度视角下稳定欺骗神经网络的对抗样本
OpenAI 造出能从不同尺度和视角稳定欺骗神经网络分类器的对抗图像，直接挑战了上周"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 提出从人类偏好中学习目标的方法
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，来推断人类想要的目标。该方法旨在省去人工编写目标函数的环节，因为用简单代理替代复杂目标或目标设定稍有偏差，都可能导致不良甚至危险的行为。
推荐理由：OpenAI 与 DeepMind 安全团队提出用人类偏好比较替代手写目标函数，为对齐研究提供了一条早期思路。
OpenAI NewsAI 评分1818 OpenAI：多智能体环境中的合作、竞争与通信
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。这类环境具备两个有用特性：难度由竞争对手的水平自然决定，与自身克隆体竞争时环境恰好匹配自身能力；同时不存在稳定均衡，智能体再聪明也始终面临变得更聪明的压力。OpenAI 表示这类环境与传统环境感受迥异，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，完全在仿真环境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新任务。
推荐理由：OpenAI 展示了一套全仿真训练、可部署到实体机器人的系统，读者可了解机器人单次示范学习任务的早期路径。
OpenAI News精选AI 评分6262 OpenAI 开发无监督情感神经元
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，就学到了对情感的良好表征。
推荐理由：OpenAI 早期关于无监督情感神经元的简短说明，展示了仅靠预测下一字符就能学到情感表征。
OpenAI NewsAI 评分2222 OpenAI 打造全球首个纯仿真训练、部署于实体机器人的垃圾邮件检测 AI
OpenAI 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。该系统将仿真环境中学到的能力迁移至物理世界，用于识别现实场景中的垃圾信息。
OpenAI News精选AI 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，已有数十年历史的优化技术进化策略（ES）在现代强化学习基准（如 Atari、MuJoCo）上可与标准强化学习技术性能相当，同时克服了强化学习的诸多不便。
推荐理由：OpenAI 早期研究指出进化策略在现代 RL 基准上可与标准强化学习比肩，并规避后者的一些不便。
OpenAI News精选AI 评分5757 OpenAI 研究：智能体如何发展出自己的语言
OpenAI 发布一项新研究，其中智能体发展出了自己的语言。该帖仅给出研究概要，未提供完整正文。
OpenAI NewsAI 评分3030 OpenAI 解析如何用对抗样本攻击机器学习模型
OpenAI 发文解析对抗样本——即攻击者刻意设计、能让机器学习模型出错的输入，如同机器的视觉错觉。文章展示了对抗样本在不同媒介上的表现，并讨论了为何防御这类攻击十分困难。
OpenAI NewsAI 评分3030 OpenAI 参与合著 Google Brain 主导的 AI 安全论文《Concrete Problems in AI Safety》
OpenAI 与 Berkeley、Stanford 的研究者共同合著了由 Google Brain 主导的论文《Concrete Problems in AI Safety》，该论文探讨了确保现代机器学习系统按预期运行的诸多研究问题。
OpenAI NewsAI 评分1818 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展开的项目，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。