OpenAI 的核心志向是开发出算法和技术可以赋予计算机理解世界的能力.
Richard Feynman 名言的含义:``What I cannot create, I do not understand.''
模型能够发现和有效地内化(internalize)数据的本质,从而才可以生成这些数据.
他们有着自动学习数据集的自然特征的潜力,包含类型、维度或者其他特征.
InfoGAN 对该空间引入了额外的结构通过增加一个新的包含最大化表示向量和观测值的小的子集的互信息目标函数. 这个方法给出相当出色的结果. 例如,在 3D 人脸图像中,我们变动代码的一个连续的维度,保持其他维度不变. 很明显从 5 个提供的例子中(每一行),代码的结果维度刻画了可解释的维度,并且模型在没有告诉这些重要特征存在的情形下可能已经理解到是存在摄像头角度、面部变化等等:
这项工作更深的启示是,在训练生成式模型的过程中,我们最终会赋予计算机对世界和世界构成的理解