強化學習

Nvidia新AI系統Eureka以Open AI GPT-4為基礎，生成出的獎賞程式可從事機器人的嘗試錯誤學習，訓練實體機器人執行開抽屜或拿剪刀等近30種複雜動作

人類回饋強化學習（RLHF）是當今LLM的重要訓練方法，但DeepMind新演算法ReST可免去人為介入；Hugging Face發布圖文通吃的多模態模型；文字、語音都能懂！Meta開源多語言翻譯模型；微軟在Excel加入Python支援；資料不外洩！Hugging Face推出企業級自託管程式開發助手

透過強化學習、協同學習的機器學習演算法，Alphabet X實驗室強調其通用型學習機器人Everyday Robot執行特定任務能力更成熟，能拿抹布擦桌子、開門、將椅子歸位

DeepMind所發布的RGB-Stacking基準測試，提供技能掌握以及技能泛化兩種難度的堆疊任務，而DeepMind的機器人已經可以在真實世界的技能掌握任務，達到82％的成功率

微軟釋出內部AI模擬研究工具的Python原始碼，讓安全研究人員模擬建構網路防禦環境，以阻擋AI控制的攻擊

DeepMind最新研究論文描述新設計的後設學習（Meta learning）架構，透過與環境互動來產生強化學習演算法，團隊也將生成的演算法用於Atari遊戲，達到非平凡等級；知名動畫公司皮克斯用GAN來產生超高解析度電影畫面，降低算圖農場的運算負荷；微軟鎖定零售業，推出Dynamics 365防詐欺新功能。

臉書以DD-PPO演算法訓練代理人走25億步後，代理人不會轉錯彎或是走進死路，能以接近100％成功率到達目的地

黃士傑上月底來臺分享經驗，指出DeepMind的最終目標，是要開發一套通用AI，來協助人類解決世界上的難題，比如全球暖化。另外，他也表示，AI是團隊合作的時代，就算是圖靈獎得主，也是帶著團隊做專案。因此，他認為，除了專業技能，還要抱持一顆敞開的心，讓自己成為團隊中容易相處的人（Easy to work with）。