Microsoft, Nvidia, SoftBank, Oracle — вокруг OpenAI собралась экосистема инвесторов и поставщиков инфраструктуры на десятки миллиардов долларов. Разбираем, кто на чём зарабатывает и где риски.
Дипфейки, автоматизированный фишинг и генерация вредоносного кода перестали быть теорией. Разбираем, какие угрозы реальны сейчас и что делают против них разработчики моделей и регуляторы.
OpenAI и её партнёры проводят хакатоны с призовыми в десятки тысяч долларов и кредитами на API. Разбираем, как в них попасть, что строят участники и почему одного доступа к GPT недостаточно для победы.
Что нужно для работы над роботами: от одноплатника и приводов до симулятора и датасета. Разбираем компоненты стека и на чём чаще всего спотыкаются те, кто начинает с нуля.
OpenAI Scholars запускалась как способ ввести в ML-исследования людей из смежных областей. Разбираем, что программа давала участникам, кто её вёл и почему история этих стипендий поучительна для тех, кто ищет вход в отрасль.
Мультицелевое обучение с подкреплением заставляет агента добиваться не одной цели, а любой из заданного множества. Разбираем, зачем это нужно в робототехнике и почему разреженные награды ломают привычные подходы.
Reptile — алгоритм мета-обучения от OpenAI, который учит модель быстро адаптироваться к новым задачам без второй производной. По качеству близок к MAML, но проще в реализации.
Обычный RL-агент осваивает одну задачу за миллионы шагов. Мета-RL учит агента учиться быстро — но упирается в проблему исследования. Разбираем, где это ломается и что с этим делают.
Мета-обучение обещает модели, которая осваивает новую задачу за несколько примеров. Reptile от OpenAI делает это без вычисления вторых производных — и почти не проигрывает MAML.
Классические GAN обучаются на расхождении Йенсена-Шеннона и страдают от коллапса мод и нестабильности. Optimal transport меняет саму метрику между распределениями — и это лечит часть болезней сразу.
Соревнование OpenAI Retro Contest проверяло не то, кто пройдёт Sonic the Hedgehog, а кто пройдёт уровни, которых агент в глаза не видел. Именно на этом обычно и ломается обучение с подкреплением.
На хакатонах вокруг OpenAI API команды всё реже клепают чат-ботов и всё чаще собирают голосовых агентов, инструменты с function calling и связки из нескольких моделей. Разбираем, что там работает, а что ломается.