บทความและงานวิจัย

OpenAI ร่วมกับ DeepMind ศึกษาการเรียนรู้จากความชอบของมนุษย์

หัวข้อต้นฉบับ:Learning from human preferences

สรุปโดย AI

ทีมความปลอดภัยของ OpenAI และ DeepMind ร่วมกันพัฒนาอัลกอริทึมที่อนุมานสิ่งที่มนุษย์ต้องการโดยให้มนุษย์ตัดสินว่าพฤติกรรมใดในสองตัวเลือกดีกว่า งานนี้มีเป้าหมายเพื่อลดการเขียนฟังก์ชันเป้าหมายด้วยมือ และหลีกเลี่ยงการใช้ตัวแทนง่ายๆ หรืออคติของเป้าหมายสำหรับเป้าหมายที่ซับซ้อนซึ่งอาจนำไปสู่พฤติกรรมที่ไม่ดีหรืออันตราย ถือเป็นก้าวหนึ่งในการสร้างระบบ AI ที่ปลอดภัย

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
OpenAI:官网动态(RSS · 排除企业/客户案例)
หมวดหมู่
บทความและงานวิจัย
คะแนน AI
70
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

原文说明该算法通过比较两种行为的优劣来推断人类偏好,从而免去人工编写目标函数,可作为对齐研究的背景参考。

เอนทิตีที่เกี่ยวข้อง

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: OpenAI ร่วมกับ DeepMind ศึกษาการเรียนรู้จากความชอบของมนุษย์ 13 มิถุนายน 2017 https://new.nat6.net/th/news/vron7w516tsukjv0bfk7g7g24/

ดูทั้งหมด →