OpenAI

Spinning Up內容豐富囊括不少資源，不只從基本理論介紹起，還提供研究增強學習的方法，同時附上了許多演算法的實作範例程式碼。

IBM和哈佛研究員發表新工具Seq2Seq-Vis，利用視覺化方式，來解釋深度學習應用程式翻譯一段文字的決策過程。此外，該工具還可將輸入和輸出語序列中的每一個字，對應到訓練深度學習翻譯模型的範例資料。

開發團隊認為OpenAI Five需要更多的訓練，處理一些臭蟲，並且對模型腳本邏輯進行調整，才有可能在下一次對戰中打贏Dota 2職業隊伍。

線上教育平臺Coursera針對企業推出技能衡量工具Skills Benchmarking，能告訴老闆公司的人才狀況，以及該如何補強。這項人才分析工具連聯合國開發計畫署和Adobe都愛用，預計於今年底前正式大規模上線。

OpenAI研究人員這次用Dota 2專案的增強學習演算法，教機器手如何正確翻轉方塊。他們先在虛擬世界訓練機器人系統Dactyl，除了改變機器手和方塊顏色，也調整了方塊的表面光滑度、重量，甚至是引力，為的就是要讓Dactyl學會在真實世界掌握方塊，以及怎麼處理意外。

柏克萊加州大學的人工智慧研究院（BAIR）研究員Tianhe Yu和Chelsea Finn，日前展示自己開發的AI系統：只要讓機器人觀看人類示範一次，就學會辨識新物件、並擺放到正確的位置。

2017年OpenAI的人工智慧在知名即時戰略遊戲《Dota 2》的1對1比賽中，擊敗人類好手Danylo Ishutin（Dendi），而在團體戰中OpenAI Five現在的水準已經達玩家平均之上了。

OpenAI提到，當有足夠龐大的訓練資料時，非監督式學習可以產生卓越的區別性特徵。雖然在不少應用的結果仍不敵純粹的監督式學習，但是不失為另一個研究方向。