原标题：OpenAI结合非监督式、监督式机器学习方法，大幅提升AI文字理解与推测能力
OpenAI以非监督式学习预训练模型，并结合监督式训练做微调，其研究结果显示，人工智能对于语言理解的程度大幅提升，特别在COPA、RACE和ROCStories这三个资料集，被认为需要多语句推理和重要知识参与理解，而OpenAI的新方法比起其他竞争对手，在这些资料集的分数都获得很大程度的提升。
研究团队在进行情绪神经元相关工作时，获得了新方法的启发。这个新方法主要有两个阶段，首先研究团队为非监督式的方法Transformer模型，提供非常大量的训练资料，并将语言建模做为训练讯号，之后在以小型的资料集，对这个模型进行微调，让他适合解决特定任务。
当有足够庞大的资料做为训练输入时，非监督式学习反而可以产生令人惊讶的区别性特征。基于这个发现，当建置模型后，以无监督的方式使用大量资料进行训练，接着对模型进行调校，以提供不同工作的最佳效能，而换句话说，相同的核心模型，通过不同的微调就能处理不一样的任务，大大提升了工作效率。
在近期的机器学习研究中，监督式学习有很大的进展，但是其缺点就是需要庞大、经过仔细整理的标签资料集，而取得这些资料集的成本非常高，Google的人工智能研究团队也提到了同样的困难。因此OpenAI认为，虽然非监督式学习现在可应用的领域仍然非常有限，但可以使用不具有明显人类标记的训练资料，对于研究人员来说极具吸引力，而且由于当前运算资源增加，原始资料的可用性便获得提升。
对于模型以大量文本进行预训练，可以大幅改进自然语言处理的效率，像是Winograd△Schema△Resolution这类的任务都能得到帮助。研究人员也提到，底层的语言模型也可以不经过训练，便能开始执行任务，他们提到，随着底层语言模型的改进，像面对选择题挑选出正确答案这样的任务，模型性能会在过程中越趋稳定。该模型在COPA、RACE和ROCStories这三个资料集的表现特别良好，无论是在常识推理或是阅读理解上，都超越现存方法的表现。
这个底层的语言模型还能拿来进行情感分析，OpenAI研究人员使用内含正面与负面电影评论的Stanford△Sentiment△Treebank资料集，让模型预测评论为正面或是负面，在不对这个任务进行最佳化的情况下，推测精确度达80％。这个研究验证了Transformer架构的强健性与稳定性，有足够的灵活性应付各类工作，而且不需要超级参数组设定。当然，比起监督式学习的结果来说，非监督式学习在这部分的研究还在很初期的阶段，但却提供了研究人员另外的可能性。
研究团队也提到了这个方法的3个缺点，首先，这个非监督式学习需要较多的运算资源，过去的研究在NLP任务训练上，仅需要单一GPU就可以完成，但是OpenAI的这个新方法却需要8颗GPU预训练长达一个月，虽然只需要计算一次，但是对于预训练来说成本还是非常高。另外，预训练出来的模型很大，以至于需要更多的计算力与记忆体进行推测运算。
第二个缺点，从文字学习知识存在限制以及偏差，除了书籍以及网络上的资料提供的知识，可能不完整或是错误外，研究团队引用其他研究，部分特定领域资讯难以通过文字学习。最后，尽管这个方法改进解决多领域任务的效能，但是目前深度学习NLP模型，仍然在很多时候会出现意料之外或是违反直觉的结果，特别是用系统化指标来衡量的时候。
相关：
引入神经机器技术 Google 离线翻译水平进一步提升 | 香港 UNWIRE.HK 玩生活．乐科技
早前手机翻译软件 Microsoft Translator 引进人工智能离线翻译功能，另一更多人使用的软件 Google 翻译昨日也跟进，加入毋须连接互联网的神经学习翻译技术，无论是 Android 还是 iOS 版本的软件，在离线情况下使用都
瞄准人工智能、机器学习应用，思科超融合架构整合Kubernetes及Nvidia GPU
图片来源: 思科 近日思科2018年的使用者大会Cisco△Live开跑，而在大会中思科也宣布，推出自家超融合架构产品HyperFlex△3.5版，该产品现在已经支援Nvidia△Tesla△V100 GPU，锁定了企业执行人工智能、机器学习应用的
本文给大家带来宝可梦探险寻宝宝可梦能力技能介绍，宝可梦探险寻宝以探索和培养为主题，在方块风格的世界中，玩家可以收集同样方块风的宝可梦。游戏中大岩蛇由于压倒性的血量及防御力轻松登上最强宝可梦的神坛。网址
伊朗原子能机构主席萨利希表示，伊朗已着手为增加提炼浓缩铀能力做准备，会在纳坦兹的核设施，为建造先进的离心机兴建基础设施。他强调，伊朗不接受有缺陷的核协议，并重申伊朗的核计划只作民用。国际原子能机构表示
AI趋势周报第43期：MIT先教虚拟助手做家事，未来盼用YouTube视频教机器人新技能
MIT和多伦多大学研究员开发VirtualHome家事模拟系统，教会AI助理在虚拟世界中做家事。研究人员表示，他们为此开发的不只是家事系统，也是大型的家事叙述资料库。 图片来源: MITCSAIL 重点新闻(0601～0607)? MIT??