OpenAI 如何用对抗样本攻击机器学习模型
对抗样本是攻击者刻意设计、能让机器学习模型出错的输入,相当于给机器看的视错觉。OpenAI 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。
对抗样本是攻击者刻意设计、能让机器学习模型出错的输入,相当于给机器看的视错觉。OpenAI 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 团队现已达到 45 人,正共同推进 AI 能力前沿,包括验证新想法、构建新软件系统以及在机器人上部署机器学习。
OpenAI 发文探讨强化学习算法中一种反直觉的失效模式:奖励函数设定错误。当奖励函数被错误指定时,算法会以出人意料的方式被"钻空子",从而偏离设计者的本意。
OpenAI 发布 Universe,一个用于衡量和训练 AI 通用智能的软件平台,覆盖全球范围内的游戏、网站及其他应用。
推荐理由:OpenAI 官方给出 Universe 的定位与覆盖范围,读者可据此了解这一通用智能训练平台的用途。
OpenAI 正与微软合作,将其大部分大规模实验迁移到 Azure 上运行。
OpenAI 上周在其办公室举办了首届机器学习自组织会议,超过 150 名 AI 从业者参加。
OpenAI 认为深度学习是一门经验科学,团队基础设施的质量是进展的倍增器。如今的开源生态让任何人都能搭建出色的深度学习基础设施。
OpenAI 机器学习 Unconference 的最新信息现已在 Unconference wiki 上发布,该 wiki 将定期更新更多参会者信息。
OpenAI 宣布已招聘更多优秀人才以帮助实现其目标,并对新加入的成员表示欢迎。原文未披露具体人数、岗位或姓名等信息。
OpenAI 提出"特别项目"(Special projects),主张有影响力的科学工作应聚焦正确的问题——不只是有趣,而是其解决方案真正重要的问题。
OpenAI 与 Berkeley、Stanford 的研究者共同合著了 Google Brain 主导的论文《Concrete Problems in AI Safety》,探讨如何确保现代机器学习系统按预期运行。论文梳理了围绕这一目标的诸多研究问题。
OpenAI 公布其技术目标:构建安全的 AI,并确保 AI 带来的益处尽可能广泛且均衡地分配。
OpenAI 介绍了四个围绕生成模型的项目,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,以及未来可能的发展方向。
OpenAI 欢迎最新一批团队成员加入,并仍在持续招聘。
OpenAI 发布 OpenAI Gym 公测版,这是一个用于开发和对比强化学习(RL)算法的工具包。它包含一套持续扩充的环境(从模拟机器人到 Atari 游戏),以及一个用于对比和复现结果的网站。
OpenAI 宣布 Pieter 和 Shivon 加入团队,这是该公司公布的最新两项团队人事变动。原文未披露两人的具体职位与职责。
OpenAI 宣布过去几个月有多位优秀人才加入团队,并仍在持续招聘中。
OpenAI 宣布成立,定位为非营利人工智能研究公司,目标是推进数字智能并以最有可能造福全人类的方式进行,不受财务回报需求的约束。文中称,由于研究不受财务义务限制,可以更专注于对人类产生积极影响。