OpenAI 2019 学者项目参与者

OpenAI 已宣布其 2019 年度学者项目参与者，汇聚了一群来自物理学、生物学、统计学和人文学科背景的多样化研究人员，致力于推进人工智能研究。该计划整合多学科专业知识，以应对强化学习（RL）、自然语言处理（NLP）和生成建模方面的挑战。

研究重点领域与学者贡献

强化学习与机器人技术

多个学者正在将强化学习应用于物理系统和复杂决策过程：

• Jonathan Michaux，一位细胞生物学家兼数学家，正在将强化学习应用于机器人操作，目标是设计适用于现实世界场景的机器人运动与操作算法。
• Elynn Chen，拥有统计学博士学位，专注于深度强化学习及其在商业管理和医疗保健领域的应用。
• Helen (Mengxin) Ji，资源经济学与统计学博士生，正在开发可用于情感分析的强化学习方法论。
• Yuhao Wan，拥有数学与哲学背景，正在研究深度强化学习，特别关注学习方法的泛化能力。

自然语言处理与理解

2019 年度学者项目的研究重点在于提升语言模型的推理能力与可访问性：

• Fatma Tarlaci，拥有比较文学博士学位和计算机科学硕士学位，正在研究 NLP 方法论，以提升 NLP 中的推理与推断能力。
• Edgar Barraza，康奈尔大学物理学毕业生，正在专注于自然语言理解方面的研究。

生成模型与跨学科人工智能

该项目包括探索人工智能与视觉数据及人类学习交叉领域的研究人员：

• Janet Brown 正在研究生成模型及其在生成重建过程中识别数据与图像关键特征的能力。
• Nancy Otero，拥有软件工程、数学、心理学和教育学背景，正在开发旨在改善教育的 AI 原型，并研究人工智能如何重新定义人类学习。