应用广泛降低成本! OpenAI用VR训练AI机器人
应用广泛降低成本! OpenAI用VR训练AI机器人
像是Oculus Rift和HTC Vive这样的VR头显主要是用于娱乐用途，比如在虚拟世界中玩游戏，或者沉浸到360°视频中。但是有着“硅谷钢铁侠”之称的伊隆·马斯克创立的非盈利AI组织OpenAI的研究人员为该技术找到了全新的用途：训练机器人。
OpenAI在近日的一篇博文中提到，只需要在虚拟现实中录制一遍动作，有着两组AI算法的系统就可以解码并使用真实的机器来重复这些动作。其中展示的的动作还比较简单--叠方块。但是对这种模仿的学习能够广泛地应用其他领域，比如那些负责搬箱子或者制作汉堡的机器人。
OpenAI的这一系统使用了两组AI算法：一组算法去解释物品的位置，另一组算法去猜测为何要做动作，以及如何做出动作。研究人员将其称之为视觉和模仿网络。通常，这种类型的算法需要用真实世界中的例子训练成千上万次，才能让机器知道方块所在的位置。接下来再用真实的机器叠方块，才能让机器分辨出如何做出这样的动作。
OpenAI的突破在于，所有这些都在虚拟的模拟过程中完成。机器在没有进行过训练的前提下，就可以精确地在真实世界中模仿人在VR中的动作。
“我们的技术并不仅限于叠方块的动作，”OpenAI的研究人员Josh Tobin说道。“该系统目前还是一个早期原型，它将会成为我们在OpenAI中所研发的多用途机器人系统的主力。”
OpenAI的通信和策略总监Jack Clark表示，他们希望该系统也能够适用于其他坚硬的物体。由于计算机无法完美地模拟液体和柔软的物体，要训练机器人操作这样的物体所需的数据是很难生成的。OpenAI的研究人员计划研究与其他物体的交互，以及使用机器人搬东西的能力，而非仅仅叠方块。
来源：VR网
有新产品或者项目希望我们报道，猛戳这里
17173发布此文仅为传递信息，不代表17173认同其观点或证实其描述。
热门VR文章
VR游戏期待榜
热门VR游戏榜
类型：角色扮演
类型：角色扮演
类型：音乐舞蹈
类型：角色扮演
类型：角色扮演
关注17173VR公众号
第一时间获取最新VR游戏资讯。各种奖品福利等你领取哦！关于马斯克新成立的OpenAI 你需要知道的七件事
来源：财经综合报道
作者：晁星
原标题：关于马斯克新成立的OpenAI，你需要知道的七件事
　　上周五，特斯拉CEO马斯克宣布启动非盈利人工智能项目OpenAI。公司的使命是“发展数字智能，使其符合人类整体的利益，同时不受财务回报的限制”。马斯克和Y Combinator的萨姆?阿尔特曼(Sam Altman)将担任OpenAI的联席董事长。雷德?霍夫曼(Reid Hoffman)、杰西卡?利文斯顿(Jessica Livingston)、彼得?泰尔(Peter Thiel)、亚马逊AWS、Infosys和YC Research将为OpenAI提供资金。到目前为止，OpenAI获得的投资承诺达到10亿美元。
　　由于马斯克的个人影响力，OpenAI一时间获得了很多关注。那么，除了马斯克，你还需要从这几个方面了解OpenAI。
　　人工智能恐惧症患者马斯克
　　马斯克无疑是一位科学狂人，但是其却一直对人工智能持批判态度。马斯克不只一次对外警示，人工智能技术的危险性。
　　“我们需要万分警惕人工智能，它们比核武器更加危险！”
　　“如果让我猜人类最大生存威胁，我认为可能是人工智能。因此我们需要对人工智能保持万分警惕，研究人工智能如同在召唤恶魔。”
　　马斯克曾提出一个假设：也许机器人会“觉得”删除垃圾邮件的最好办法是把人类一起干掉。然而，人工智能威胁论者马斯克却投资了两家人工智能公司。去年三月，扎克伯格和马斯克一起投资了一家名为Vicarious的人工智能公司。Vicarious致力于将人类的大脑皮层以计算机代码的形式复制下来。马斯克还投资过一家名为DeepMind Technologies的人工智能公司，但是DeepMind后来被谷歌收购。马斯克曾说，他对人工智能技术公司的投资并非想要获得投资回报，只是想要密切关注人工智能领域的发展。
　　2.另一位董事长是搞创业孵化的
　　OpenAI的另一个联席董事长阿尔特曼，是美国著名创业孵化器YCombinator的董事长，最近十分红火的Airbnb就是从YC走出来的企业。马斯克和AI的故事很多，搞这么一件事有很多种解读。但是YC参与其中，就多少有些让人费解了。
　　就在上个月，Y Combinator宣布成立研究实验室YC Research。实验室旨在研究需要投入巨大时间成本的开放式问题，以及那些不应该被任何一家公司掌握的技术。YC Research是非盈利性质的，其开发的任何知识产权都将免费向任何人开放。YC Research也将致力于公开那些可能具有危险性的技术。如果说，Y Combinator或者阿尔特曼认同马斯克的观点，那么AI研究就很符合YC Research的理念。
　　3.马斯克或许不是openAI的主角
　　另外，作为openAI的联席董事长之一，马斯克或许不是OpenAI的主角。目前，OpenAI的办公地点在Y Combinator公司，很有可能就在其新成立的研究实验室YC Research。另外，Y Combinator还会对openAI项目提供资金支持。该项目由马斯克和阿尔特曼共同进行监督。鉴于马斯克已经是四家公司的CEO，其或许很难有精力投入到该项目中。
　　4.这个非盈利项目资助者都是搞投资的
　　OpenAI项目资助者也都来头不小，但是都是搞投资的，并不是什么科技大佬。雷德?霍夫曼是LinkedIn的联合创始人，有硅谷人脉王之称；杰西卡?利文斯顿是前文提到的Y Combinator的联合创始人，搞投资的；保罗?格雷厄姆是硅谷创业教父，也是一位风险投资家；彼得?泰尔是上百家公司投资人，同时也是《从0到1》作者。
　　OpenAI明确表示是一个非盈利组织，那么这些投资者为什么青睐这个项目呢？从各位投资者的个人经历、性格中，或许能窥探出一些端倪。保罗?格雷厄姆是哈佛大学计算机博士，当时主攻的方向就是人工智能；彼得?泰尔是一个科技迷恋者，他曾表示，如今的美国是各种小打小闹的电子科技玩意儿的天堂，却忽视了科技改变世界这样更加壮阔的理想。对于科技正放缓发展步伐，泰尔的答案是，那些企业主力量太过单薄，也过于鲁莽，被发展的憧憬蒙蔽了双眼，以至于忽视了了无知大众的需求。
　　5.OpenAI要监督企业和政府
　　宣布成立OpenAI之后，马斯克和阿尔特曼接受了媒体访谈。访谈中，阿尔特曼称：OpenAI在本质上是一个研究实验室。建立这个实验室的目的在于监督企业和政府，以免这两个群体依靠超级人工智能系统过度榨取利润或者谋取权力，并以此压制市民。（访谈原文发自Medium，创见编译）
　　6.进攻是最好的防守
　　虽然马斯克对人工智能持批评态度，但是并不代表其会对人工智能敬而远之。他的策略是进攻。接受访谈时，马斯克说：我认为防范人工智能技术被误用的最好办法是尽可能让更多的人可以使用人工智能技术。如果每一个人都可以使用这项技术，那么这项“超能力”就不会成为少数团体的囊中法宝。（访谈原文发自Medium，创见编译）
　　7.OpenAI的团队
　　目前，美国在线支付公司Stripe的前首席技术官格雷?布罗克曼，担任OpenAI研究主任；计算机领域内处于先驱地位的传奇科学家艾伦?凯，担任研究顾问。世界级的研究员、Google公司的前雇员伊利亚?苏特斯科瓦也加入到了该团队中。
　　其余被聘请的研究员大都有着出众的工作背景或者学历背景，一些人曾就职于Facebook的人工智能部门，还有的来自于前文提到的被Google公司买下的人工智能公司DeepMind。
　　好了，就这么多。
&&& （文章来源：虎嗅网）
(责任编辑：陈洋)
&&&&&&</div
搜狐财经致力遇汇集变革力量，评出“中国最具变革力人物&#8226;公司”[]
图解财经：
今日主角：
客服热线：86-10-
客服邮箱：9918人阅读
Artificial Intelligence（12）
Deep Reinforcement Learning（14）
Deep Learning（11）
OpenAI是2015年底刚成立的人工智能公司，由Elon Musk领投，号称有10亿美金的投资额，由几位人工智能的顶尖好手组成。这基本上意味着一个新的DeepMind公司诞生，只不过这次OpenAI是一个组织，不属于任何一个公司。
为什么要了解OpenAI？
因为OpenAI的研究内容很大程度上代表着人工智能的研究方向，由于其非盈利性质以及地处加州硅谷这种黄金地段，未来聚集更多顶尖人才的可能性很大，成为一个和DeepMind公司抗衡的可能性非常大。OpenAI的出现将使顶级人工智能的研究不至于被Google（主要是Google，当然还有Microsoft，Facebook，Baidu，IBM，Nvidia等等）垄断。
OpenAI网址：
OpenAI AMA:
OpenAI的很多成员恐怕大家都比较熟悉，有Hinton的学生，有李飞飞的学生，有Pieter Abbeel的学生，也就是Andrew Ng的徒孙了。最近Ian Goodfellow大牛也加入，DeepLearning那本书就是他主笔的。
了解OpenAI最重要的是了解人工智能的研究前沿。
人工智能最前沿的研究方向是什么？
OpenAI提了三点：
- Training Generative Models
- algorithms for inferring algorithms from data
- new approaches to reinforcement learning
那么这三类分别代表什么呢？
Deep Generative Models
第一类面向生成模型，主要任务是生成新的信息，既有有监督学习，也有无监督学习。比如Sequence to Sequence Learning。翻译：输入英文，输出中文。聊天：输入A对话，输出B对话。 输入文字，输出手写字体。还有自动生成文字（如上图，来自），音乐，艺术(Deep dream,Neural Art)。。。 这里面也包含了one shot learning。也就是看一眼图像，就衍生出其变种,如下图：
那么这方面的研究意义在哪呢？我的观点是探索人工智能的感知能力。一方面是不同类型数据的感知，一方面是快速感知与学习。对于不同类型数据的感知。以前只是图像识别，现在开始识别艺术特征，也可以识别文字信息的特征用于翻译对话等等。然后我们发现RNN简直无敌，什么信息都能自动提取。对于同一个seq2seq网络，用在翻译，聊天，理解炉石传说的卡片。。。 RNN可以理解任意形式的内容。另一方面我们希望能够想人类一样快速感知，而不需要巨量的训练数据，也就是看一眼就认得。
Learning Algorithm & Neural Turing Machine
本质上基于RNN计算机可以学习任何东西，那么当然也包括算法和程序了。所以Neural Turing Machine是目的是让计算机能够学习程序，从而具备推理能力。举个栗子：让计算机看很多加法运算，然后学会加法，这大概是最简单的例子。但基本是这个意思。那么Neural Turing Machine需要具备外部记忆，不过RNN，LSTM本身就具备记忆功能。想象一下未来的电脑真的变成一个“脑”：一个巨大的神经网络来实现输入输出。。
上一类研究问题是实现AI更强的感知能力，那么这一类问题就更变态了，直接要实现AI不仅能理解还能推导。当然本质上和第一类问题是一样的。感知也是一种理解。归根到底都是提取某种特征或者说知识信息,并且具备生成能力。依然是用RNN，目前最新的是基于增强学习的NTM。也就是说也通过自学习来增强理解。
这一部分的研究还面向公式的证明，但这次是使用神经网络来证明公式。
其实只要能通过RNN使计算机具备理解能力，那么做什么事都一样。
上面两类问题主要依赖于现有知识，目的是使AI具备牛逼的学习能力。但是要使AI超越人类，就需要自我学习。大家知道AlphaGo能够自我学习，关键就是利用增强学习Reinforcement Learning.
因此，这部分Deep Reinforcement Learning，重点在于使用增强学习实现自学习能力。有很多任务并不是提供很多的样本，特别在机器人控制领域。这类问题严重需要自学习能力。也就是类比为人类的运动能力。大家知道我们要打篮球打得好需要长期的练习，并不是看一眼就会的。因此，Deep Reinforcement Learning，通往AGI的终极武器，要使AI具备自我学习的能力，只要给定一个目标。
人工智能的发展超出了想象，OpenAI的研究方向的进展将使人工智能具备更强的学习能力，也可以说是智能水平！三种类型的研究方向其实都相互依赖，只是各有侧重，都非常酷。而这些东西的本源是RNN。又让人想到了Jurgen Schmidbuber这个神牛了。
在这三个方向中挑一个搞都将很有意义！
&&相关文章推荐
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：955046次
积分：8468
积分：8468
排名：第2289名
原创：105篇
评论：271条
文章：18篇
阅读：210747
文章：14篇
阅读：74665
文章：20篇
阅读：321932
(7)(5)(7)(4)(8)(2)(6)(2)(2)(2)(11)(1)(1)(2)(7)(4)(9)(2)(12)(2)(6)(4)(4)(2)