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
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
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: OpenAI ร่วมกับ DeepMind ศึกษาการเรียนรู้จากความชอบของมนุษย์ 13 มิถุนายน 2017 https://new.nat6.net/th/news/vron7w516tsukjv0bfk7g7g24/