真正的无监督学习，可以使人工智能自己学习，将代表AI开发的量子飞跃，并开始将其推向新的水平。
当今的大多数人工智能（AI）系统中的大多数都依赖于机器学习算法，这些算法可以通过利用预先建立的价值来预测特定结果，但是现在来自Openai的研究人员，这是一家由不少于Elon Musk和Peter Thiel资助的公司，他们正试图将AI民主化为“人类的善良”，从而源于启发的人物，他们试图将AI民主化为“人类的善良”，从而源于偶然的效果，以至于他们脱颖而出的效果是在启发出来的效果。可以学习如何阅读情感的系统。本身。这是一件大事，目前，即使是研究人员本身也无法解释的事情也是如此。
魔法。
Openai在博客中说：“我们很惊讶我们的模型学会了一项可解释的功能，并且简单地预测亚马逊评论中的下一个角色就会发现情感的概念。”
根据邮报，OpenAI的神经网络能够通过将亚马逊的评论分类为正面或负面来准确地训练和分析情感 - 然后随后生成了适合情感的文本。
The AI the team used was what’s known as a multiplicative long short-term memory (LSTM) model that was trained for a month, processing 12,500 characters a second using Nvidia Pascal GPU’s – which Nvidia’s own CEO gifted to Elon Musk last year – with “4,096 units on a corpus of 82 million Amazon reviews to predict the next character in a chunk of text.”
训练后，研究人员使用这些单元的线性组合将模型变成了情感分类器。当他们注意到自己的模型只使用了一些学识渊博的单元，而不是所有的单元时，他们发现有一个具有高度预测性情感价值的“情感神经元”。
下图表示情感神经元的字符值，显示为绿色和正值的负值。请注意，诸如“最佳”或“恐怖”之类的强烈指示词尤其是颜色的大变化。
到目前为止，他们的新AI的情感分析能力已经超过了斯坦福大学情绪Treebank中使用的所有其他方法，这是一个小但广泛研究的，情感分析数据集，OpenAI Teams AI准确了91.8％，超过了先前的90.2％的记录。
到目前为止，我遇到过的每位AI研究人员似乎都梦想着他们终于设法取得突破并创建一个无监督的学习系统 - 在这里，AI本身就没有任何帮助就自己学习，并且消除了为其提供巨大的培训数据的需求，并且看起来Openai的MLSTM似乎已经取得了成功，或者最近得了，您就可以欣赏到您的观点。也就是说，尽管研究人员还认识到，目前可能不是唯一可以进行无监督学习的机器：
他们说：“我们认为这种现象不是我们模型的特定现象，而是某些大型神经网络的一般属性，这些神经网络经过训练，可以预测其输入中的下一步或维度。”
他们说：“我们的结果是朝着一般无监督的代表学习迈出的有前途的一步，我们通过探索是否可以学习是否可以学习高质量的表示作为语言建模的副作用，并在精心选择的数据集上扩展了现有模型。但是，基本现象仍然比清晰的神秘。”
能够学习不受监督将使AIS具有重大的推动力并大大减少他们学习新任务所花费的时间，并且随着DeepMind的团队紧随其后，创建世界上第一个人工通用智能体系结构，该架构结合可以不受欢迎的AI结合一个可以学习的AI，可以改变一步的步骤 - 在一条路线上的另一个步骤变化 - 在阶级不变的路上变化了。
