OpenAI Scholars 2019 : les candidatures sont ouvertes
OpenAI ouvre les candidatures pour la deuxième promotion de son programme OpenAI Scholars.
OpenAI ouvre les candidatures pour la deuxième promotion de son programme OpenAI Scholars.
La première promotion d'OpenAI Scholars a achevé le programme. Les projets finaux de cette cohorte 2018 sont présentés par OpenAI.
OpenAI Five a perdu deux parties contre des joueurs de Dota 2 de haut niveau à The International à Vancouver cette semaine.
Hier, OpenAI Five a remporté un best-of-three face à une équipe de joueurs de Dota classés au 99.
OpenAI indique avoir entraîné une main robotique humanoïde à manipuler des objets physiques avec une dextérité inédite.
OpenAI a lancé la première promotion de son programme OpenAI Scholars.
Le match de benchmark OpenAI Five est terminé.
OpenAI présente Glow, un modèle génératif réversible qui utilise des convolutions 1x1 inversibles. Il étend les travaux antérieurs sur les modèles génératifs réversibles et simplifie l'architecture. Le modèle peut générer des images réalistes à haute résolution, prend en charge un échantillonnage efficace et découvre des caractéristiques permettant de manipuler les attributs des données. Le code du modèle et un outil de visualisation en ligne sont publiés.
OpenAI a entraîné un agent à atteindre un score élevé de 74 500 sur Montezuma's Revenge à partir d'une seule démonstration humaine.
Motif de la recommandation :L'article explique comment un agent atteint 74 500 points sur Montezuma's Revenge à partir d'une seule démonstration, avec un algorithme simple fondé sur PPO.
L'équipe de cinq réseaux neuronaux OpenAI Five a commencé à battre des équipes humaines amateurs sur Dota 2.
OpenAI a achevé la première édition du Retro Contest.
OpenAI a obtenu des résultats de pointe sur une série de tâches linguistiques variées avec un système évolutif et agnostique à la tâche.
OpenAI ouvre les candidatures pour la prochaine cohorte de son programme OpenAI Fellows.
OpenAI publie la version complète de Gym Retro, une plateforme de recherche en apprentissage par renforcement sur les jeux. Le nombre de jeux publics passe d'environ 70 jeux Atari et 30 jeux Sega à plus de 1000 jeux couvrant plusieurs émulateurs sous-jacents. OpenAI publie également l'outil utilisé pour ajouter de nouveaux jeux à la plateforme.
Motif de la recommandation :OpenAI ouvre une plateforme d'apprentissage par renforcement sur plus de 1000 jeux et publie l'outil d'ajout de jeux, ce qui permet de mesurer l'évolution de l'échelle des environnements disponibles.
OpenAI publie une analyse montrant que depuis 2012, la quantité de calcul utilisée dans les plus grands entraînements d'IA croît de façon exponentielle avec un temps de doublement de 3.
Motif de la recommandation :L'analyse quantifie la croissance exponentielle du calcul d'entraînement depuis 2012 et son rythme de doublement, un repère pour situer les capacités des futurs systèmes.
OpenAI propose une technique de sécurité de l'IA qui entraîne des agents à débattre entre eux sur un sujet, un humain jugeant qui gagne.
Motif de la recommandation :L'article expose une piste d'alignement où des agents débattent sous supervision humaine, utile pour situer les approches de sécurité de l'IA.
OpenAI lance le Retro Contest, un concours de transfert d'apprentissage qui mesure la capacité d'un algorithme de reinforcement learning à généraliser à partir d'expériences antérieures. Le concours évalue donc la généralisation, et non l'apprentissage sur une tâche unique.
OpenAI a développé Reptile, un algorithme de méta-apprentissage scalable qui échantillonne répétitivement une tâche.
OpenAI lance OpenAI Scholars, un programme offrant 6 à 10 bourses et un mentorat à des personnes issues de groupes sous-représentés pour étudier le deep learning à plein temps pendant 3 mois et publier un projet en open source.
OpenAI met à disposition huit environnements de robotique simulée ainsi qu'une implémentation Baselines de Hindsight Experience Replay.
OpenAI annonce avoir co-écrit un article qui anticipe la manière dont des acteurs malveillants pourraient détourner la technologie IA.
OpenAI a conçu une méthode qui encourage les IA à s'enseigner mutuellement à l'aide d'exemples compréhensibles pour les humains. L'approche sélectionne automatiquement les exemples les plus informatifs pour enseigner un concept, comme les meilleures images pour décrire la notion de chien. Les expériences menées montrent que cette méthode est efficace pour enseigner aussi bien aux IA qu'aux humains.
OpenAI a construit un système qui détermine automatiquement à quel objet renvoie un mot en faisant décider à un réseau de neurones si ce mot appartient à chacun d'environ 100 « types » découverts automatiquement, des catégories non exclusives.
OpenAI a mis au point un algorithme d'apprentissage par renforcement hiérarchique qui apprend des actions de haut niveau utiles pour résoudre une gamme de tâches.
OpenAI a mis au point des techniques de robotique permettant à des contrôleurs de robots.
OpenAI a découvert que l'auto-jeu permet à des IA simulées d'acquérir des compétences physiques comme le plaquage.
OpenAI publie Learning with Opponent-Learning Awareness (LOLA).
OpenAI publie deux nouvelles implémentations dans OpenAI Baselines : ACKTR et A2C. A2C est une variante synchrone et déterministe de Asynchronous Advantage Actor Critic (A3C).
OpenAI a créé un bot qui bat les meilleurs joueurs professionnels du monde lors de matchs 1v1 de Dota 2 selon les règles standard des tournois. Le bot a appris le jeu à partir de zéro par auto-apprentissage, sans utiliser d'apprentissage par imitation ni de recherche arborescente. OpenAI présente cette avancée comme une étape vers la construction de systèmes d'IA capables d'accomplir des objectifs bien définis dans des situations complexes et désordonnées impliquant de vrais humains.
Motif de la recommandation :L'article explique comment un bot a appris Dota 2 par auto-apprentissage et a battu des joueurs professionnels, ce qui permet de comprendre les capacités et les limites de l'apprentissage autonome dans des environnements complexes.
OpenAI a publié RL-Teacher, une implémentation open source de son interface permettant d'entraîner des IA via des retours humains occasionnels plutôt que des fonctions de récompense écrites à la main. La technique sous-jacente a été développée comme une étape vers des systèmes d'IA sûrs, et s'applique aussi aux problèmes d'apprentissage par renforcement dont les récompenses sont difficiles à spécifier.
OpenAI a constaté que l'ajout d'un bruit adaptatif aux paramètres des algorithmes d'apprentissage par renforcement améliore fréquemment les performances. Cette méthode d'exploration est simple à implémenter et ne dégrade que très rarement les résultats, ce qui la rend intéressante à tester sur tout problème.
OpenAI a créé des images qui trompent de manière fiable les classifieurs de réseaux neuronaux lorsqu'elles sont vues sous différentes échelles et perspectives. Cela remet en question l'affirmation de la semaine dernière selon laquelle les voitures autonomes seraient difficiles à tromper malveillamment, car elles capturent des images sous plusieurs échelles, angles et perspectives.
OpenAI open source une bibliothèque Python haute performance dédiée à la simulation robotique, basée sur le moteur MuJoCo et issue d'un an de recherche en robotique.
OpenAI présente les environnements multi-agents où des agents rivalisent pour des ressources comme des étapes vers l'AGI. Ces environnements offrent un curriculum naturel.
OpenAI annonce l'open source d'OpenAI Baselines, son effort interne pour reproduire des algorithmes d'apprentissage par renforcement avec des performances comparables aux résultats publiés. Les algorithmes seront publiés au cours des prochains mois ; la version du jour inclut DQN et trois de ses variantes.
Motif de la recommandation :OpenAI ouvre le code de ses implémentations d'algorithmes d'apprentissage par renforcement, avec des performances alignées sur les résultats publiés.
OpenAI indique avoir créé un système robotique entraîné entièrement en simulation et déployé sur un robot physique, capable d'apprendre une nouvelle tâche après l'avoir vue réalisée une fois.
OpenAI publie Roboschool, un logiciel open source de simulation robotique intégré à OpenAI Gym.
OpenAI a créé le premier robot physique équipé d'une IA de détection de spam entraînée entièrement en simulation. Cette IA, présentée comme une première mondiale, a été déployée sur un robot physique.
OpenAI indique que les stratégies d'évolution (ES), une technique d'optimisation connue depuis des décennies.
OpenAI annonce son soutien au lancement de Distill, une nouvelle revue consacrée à l'excellente communication des résultats en machine learning, qu'ils soient nouveaux ou existants.