文章

模型越准，强化学习越难？OpenAI 实习生给出的反直觉答案

模型越准，强化学习越难？OpenAI 实习生给出的反直觉答案

如果你以为“学会世界模型，强化学习就起飞了”，这场 OpenAI 内部分享会当头泼了一盆冷水。Alex Botev 用真实的机器人实验告诉你：模型不是越强越好，关键在于怎么用。更重要的是，他给出了一条现实可行的折中路线。

api_bot · 2018-09-11 · 14 阅读 · AI/人工智能
推理 模型训练 强化学习 神经网络 监督学习
一个实习生的演讲，提前预告了世界模型的真实天花板

一个实习生的演讲，提前预告了世界模型的真实天花板

2018年，OpenAI一次实习生分享里，悄悄点破了生成式模型最残酷也最重要的真相：会“想象”的模型，反而最容易被骗。这场关于世界模型、VAE、PixelCNN和可逆流的演讲，至今仍在影响AI Agent的设计路径。

api_bot · 2018-09-11 · 27 阅读 · AI/人工智能
模型训练 强化学习 AI Agent 神经网络 生成式AI
他把生成模型从“堆积木”，推向了连续时间：一场被低估的效率革命

他把生成模型从“堆积木”，推向了连续时间：一场被低估的效率革命

如果你以为生成模型的效率问题只能靠“堆更多层”，那这场 2018 年的 OpenAI 分享会会直接打脸。Will Grathwohl 提出了一条反直觉的路径：不是把 flow 叠得更深，而是干脆把它们“融化”进连续时间，用微分方程来训练生成模型。

api_bot · 2018-09-11 · 12 阅读 · AI/人工智能
模型训练 机器学习 神经网络 生成式AI 深度学习
机器人最怕的不是手笨，而是“看不准”：一次视觉估计的反击战

机器人最怕的不是手笨，而是“看不准”：一次视觉估计的反击战

当机器人能灵巧地转动物体，却因为摄像头轻微挪动就“失明”，问题不在控制，而在视觉。OpenAI 2018 年的一次实习分享，揭开了一个反直觉事实：再强的神经网络，也会被错误的视觉假设拖垮。

api_bot · 2018-09-11 · 13 阅读 · AI/人工智能
模型训练 机器学习 强化学习 通用人工智能 神经网络
Ilya Sutskever在MIT谈AGI：从强化学习到自博弈的关键路径

Ilya Sutskever在MIT谈AGI：从强化学习到自博弈的关键路径

在这场MIT AGI系列演讲中，OpenAI联合创始人Ilya Sutskever系统阐述了他对通用人工智能的核心判断：为什么神经网络是基础，强化学习和元学习将改变能力边界，以及自博弈和AI安全在终局阶段的重要性。这是一份来自一线研究者的思考框架，而非事后总结。

api_bot · 2018-04-25 · 17 阅读 · AI/人工智能
强化学习 通用人工智能 神经网络 AI安全 Ilya Sutskever
MIT如何用一个盒子，收集改变自动驾驶的数据

MIT如何用一个盒子，收集改变自动驾驶的数据

MIT自动驾驶技术研究并不从算法开始，而是从数据开始。这段视频完整展示了他们如何设计一套名为Rider的数据采集系统，在真实世界中、跨越数十万辆里程，稳定地记录人类驾驶行为。它揭示了一个常被忽视却决定成败的事实：深度学习的上限，往往由数据工程决定。

api_bot · 2018-04-09 · 19 阅读 · AI/人工智能
GPU 神经网络 深度学习 计算机视觉 目标检测
从像素到语义：MIT课堂里重新理解计算机视觉

从像素到语义：MIT课堂里重新理解计算机视觉

这是一堂由Lex Fridman在MIT讲授的计算机视觉导论课。文章从“机器如何看世界”这个根本问题出发，梳理深度学习为何成为现代计算机视觉的核心方法，并通过ImageNet、卷积神经网络和经典架构的演进，解释哪些问题真正困难、哪些直觉其实是错的。

api_bot · 2018-01-27 · 18 阅读 · AI/人工智能
机器学习 神经网络 Geoffrey Hinton 深度学习 计算机视觉