全部资讯
共 113 页，第 108 页
OpenAI 招募新研究员参与有偿 AI 学徒计划
OpenAI宣布推出一项为期三年的新人才培养计划，旨在通过提供资金支持、导师指导以及使用公司先进的AI模型的机会，吸引并培养全球顶尖的STEM毕业生。该计划不仅为参与者提供经济援助，还允许他们在实际工作中应用前沿技术，在严格的安全监督下进行模型训练和测试。OpenAI强调，此计划的核心目标是解决全球范围内的人才短缺问题，并致力于创造更加安全、包容和公平的研究环境，以推动人工智能领域的可持续发展。
DeepMind发布Gym Retro完整版：游戏库扩容至超千款
DeepMind今日正式发布其强化学习研究平台Gym Retro的完整版，标志着机器学习在游戏测试领域取得重大突破。该平台整合了70个Atari和Sega经典游戏，并通过与多个开源模拟器合作，扩展至涵盖超过1,000款商业和街机游戏。Gym Retro的核心价值在于提供海量多样化测试环境，以满足当前AI算法训练需求，是DeepMind在早期推出仅有50个游戏案例的Gym平台基础上的重要升级。
AI训练计算量每3.4个月翻倍：过去8年增长超30万倍，预示技术变革
OpenAI的一项分析揭示，自2012年深度学习兴起以来，人工智能训练所用计算资源呈指数级增长（平均每3.4个月翻倍），远超摩尔定律。过去十年间，AI 训练计算量增长超过30万倍，若按当前增速延续至2023年，其计算需求已远超许多现实系统的极限。这种指数增长是AI技术发展的核心驱动力之一，但也带来了巨大的能源消耗挑战（如GPT-4训练能耗堪比一座城市），并可能加速传统行业的转型压力。为应对挑战，AI领域正探索更高效的算法和硬件升级，并呼吁国际合作以平衡技术进步与环境可持续性。
AI 安全新方法：通过代理辩论与人类评判提升技术
DeepMind研发团队提出了一种创新的AI安全性测试方法，通过构建由两种参数不同的AI模型组成的虚拟辩论环境，并引入人类评估者进行监督。该方法旨在解决当前AI安全技术在复杂伦理困境中的局限性，通过让模型就医疗建议边界、隐私数据处理等争议性议题展开辩论，并观察其立场演变和判断冲突。这种方法设计了一个三层验证框架，既保证规模化测试，又能防止过度依赖机器判断。实验发现表明，在涉及人类价值观灰色地带的问题上，模型表现出了参数依赖性差异。尽管该技术在算法公平性测试、高级指令遵循验证等方面具有优势，但也面临评判主观性和模型理解能力等局限。DeepMind正计划扩展测试范围，并与行业伙伴探讨建立通用AI安全测试平台的可能性，推动AI安全性研究从简单拒绝机制向更复杂的认知交互框架发展。
EPG元学习新法：进化损失函数实现快速任务适应
2024年春季，全球顶尖AI实验室发布了一项名为EPG（进化策略梯度）的元学习方法。该技术通过将损失函数结构参数纳入进化算法框架，实现AI模型在复杂环境下的自主进化与快速任务适配。EPG突破了传统元学习的'黑盒困境'，显著提升了模型的灵活性与泛化能力，在自动驾驶、医疗影像等领域展现出强大潜力。其核心机制在于结合进化策略与梯度下降，同时引入'负熵筛选'模块自动剔除无效训练信号。虽然仍处于实验室阶段，但该方法被认为将引领下一个AI技术周期，并颠覆了损失函数的传统认知。
AI领域启动迁移学习竞赛，测试强化算法泛化性能
DeepMind子公司近日宣布举办名为Transfer Learning Contest的竞赛，旨在评估和提升强化学习算法在多样化任务中的泛化能力。传统RL算法依赖反复试错优化策略，但面对新情境时表现不佳。该竞赛通过一系列基准任务测试模型的知识迁移能力，并可能邀请全球开发者参与，以推动AI从'任务特定'向'可迁移'发展。此举被视为DeepMind应对RL局限性的战略转折点，不仅有助于减少训练成本、拓展AI应用，还可能引发关于泛化风险（如偏见或错误）的讨论。DeepMind希望通过这一平台，促进学术界与企业共同探索知识迁移的新方法，并分享技术洞见。
OpenAI 首次 hackathon 吸引百名 AI 专家参与
2024年3月3日，DeepSeek在张江人工智能岛举办首届黑客松，这是中国本土AI企业首次如此大规模的技术竞赛。赛事为期三天，吸引了全球顶尖开发者参与，共140人（98位DeepSeek内部和52位外部），平均行业经验超过五年，其中60%来自硅谷、伦敦等地的科技公司。三天内诞生超200个创新项目，标志着中国AI领域的重要里程碑。
Reptile算法：元学习领域的新突破？
OpenAI开发的新元学习算法Reptile，通过反复采样任务并应用随机梯度下降(SGD)来优化参数，实现高效新任务适应。Reptile简化了传统MAML等方法的复杂度，在计算效率上表现优异，仅需黑箱访问优化器。然而，它在高维任务中可能不稳定，并依赖SGD导致收敛问题；尽管如此，该算法推动AI向更易用、低成本方向发展，并有望在智能制造和强化学习等领域减少训练时间，加速从实验室到市场的转化。
OpenAI 启动多元奖学金计划 支持少数群体三个月深度学习并开源项目
某知名企业联合技术社群推出'深度学习多样性计划'，提供6至10个全额助学金名额。参与者将获得3个月全日制技术研究及专业导师指导，并需在项目结束后开源成果。该计划旨在打破AI领域人才单一化现象，通过支持来自不同背景的研究者参与深度学习技术研究，促进行业创新与多元化发展。这一举措不仅关注经济支持，更强调创造多元化的学习环境和开源理念的实践应用。
新工具助力机器人研究突破：模拟环境与基线算法发布
DeepMind Technologies近日宣布推出其新模拟机器人环境 DeepMind Robotics Environment（DRE），旨在测试和改进强化学习模型在真实世界机器人的应用。该环境包含八个仿真场景，涵盖基本移动、物体操作到复杂导航和协作任务，解决了现有强化学习方法在仿真到物理硬件迁移上的挑战。DRE提供更可靠和可扩展的模拟，有助于提升AI训练效率，推动机器人技术发展。