Building interactive agents in video game worlds
大多数人工智能（AI）研究人员现在认为，编写可以捕获位置互动细微差别的计算机代码是不可能的。另外，现代机器学习（ML）研究人员专注于从数据中学习这些类型的相互作用。为了探索这些基于学习的方法，并迅速建立可以理解人类指导并在开放式条件下执行动作的代理商，我们在视频游戏环境中创建了一个研究框架。托迪，我们正在发布一篇论文[插入链接]并收集视频，显示了我们在建立视频游戏的早期步骤，可以理解模糊的人类概念 - 因此，可以开始与他们自身互动的人互动。
Building interactive agents in video game worlds
大多数人工智能（AI）研究人员现在认为，编写可以捕获位置互动细微差别的计算机代码是不可能的。另外，现代机器学习（ML）研究人员专注于从数据中学习这些类型的相互作用。为了探索这些基于学习的方法，并迅速建立可以理解人类指导并在开放式条件下执行动作的代理商，我们在视频游戏环境中创建了一个研究框架。托迪，我们正在发布一篇论文[插入链接]并收集视频，显示了我们在建立视频游戏的早期步骤，可以理解模糊的人类概念 - 因此，可以开始与他们自身互动的人互动。
Building interactive agents in video game worlds
大多数人工智能（AI）研究人员现在认为，编写可以捕获位置互动细微差别的计算机代码是不可能的。另外，现代机器学习（ML）研究人员专注于从数据中学习这些类型的相互作用。为了探索这些基于学习的方法，并迅速建立可以理解人类指导并在开放式条件下执行动作的代理商，我们在视频游戏环境中创建了一个研究框架。托迪，我们正在发布一篇论文[插入链接]并收集视频，显示了我们在建立视频游戏的早期步骤，可以理解模糊的人类概念 - 因此，可以开始与他们自身互动的人互动。
Building interactive agents in video game worlds
大多数人工智能 (AI) 研究人员现在认为，编写能够捕捉情境交互细微差别的计算机代码是不可能的。或者，现代机器学习 (ML) 研究人员专注于从数据中学习这些类型的交互。为了探索这些基于学习的方法并快速构建能够理解人类指令并在开放式条件下安全执行操作的代理，我们在视频游戏环境中创建了一个研究框架。今天，我们发表了一篇论文 [插入链接] 和一系列视频，展示了我们在构建能够理解模糊人类概念的视频游戏 AI 方面的早期步骤——因此，可以开始按照自己的方式与人们互动。
Building interactive agents in video game worlds
大多数人工智能（AI）研究人员现在认为，编写可以捕获位置互动细微差别的计算机代码是不可能的。另外，现代机器学习（ML）研究人员专注于从数据中学习这些类型的相互作用。为了探索这些基于学习的方法，并迅速建立可以理解人类指导并在开放式条件下执行动作的代理商，我们在视频游戏环境中创建了一个研究框架。托迪，我们正在发布一篇论文[插入链接]并收集视频，显示了我们在建立视频游戏的早期步骤，可以理解模糊的人类概念 - 因此，可以开始与他们自身互动的人互动。
Benchmarking the next generation of never-ending learners
学习如何利用 30 年的计算机视觉研究来积累知识
Best practices for data enrichment
DeepMind和Google Research的大脑团队将联合起来，将进步加速到这个世界，在该世界中，AI帮助解决了人类面临的最大挑战。
The pursuit of AI education—past, present, and future
认识一下我们的教育合作伙伴经理 Sylvia Christie，她在扩大我们的奖学金计划方面发挥了主导作用，该计划已成立五周年。
