OpenAI เปิดตัว Triton 1.0 ภาษาโปรแกรมที่ออปติไมซ์โค้ดสำหรับทำงานบนชิปกราฟิกโดยอัตโนมัติ โดยได้การทดสอบคูณเมทริกซ์ประสิทธิภาพเทียบกับไลบรารีที่ออปติไมซ์มาเฉพาะอย่าง cuBLAS ของ NVIDIA เอง

Wojciech Zaremba ผู้ร่วมก่อตั้ง OpenAI เปิดเผยว่าบริษัทยุบทีมหุ่นยนต์ไปแล้ว แม้ว่าเมื่อปี 2019 จะสามารถสาธิตหุ่นยนต์แก้ปัญหารูบิก ได้อย่างน่าทึ่ง แต่การทำงานโดเมนอื่นๆ หาข้อมูลอื่นได้ง่ายกว่า

หุ่นยนต์แก้ปัญหารูบิกของ OpenAI อาศัยแนวทาง unsupervised โดยตัวโมเดลปัญญาประดิษฐ์ถูกฝึกในโลกจำลองก่อนจะนำปัญญาประดิษฐ์มารันในหุ่นยนต์จริง แม้ผลที่ได้จะน่าทึ่งแต่อัตราการแก้ปัญหาสำเร็จอยู่ที่ 20% เท่านั้น

ทางโฆษกของ OpenAI ระบุว่าทีมวิจัยหุ่นยนต์ถูกยุบไปตั้งแต่เดือนตุลาคมปี 2020 ไปพร้อมๆ กับโครงการอื่นๆ อีกจำนวนหนึ่ง

OpenAI เปิดให้นักวิจัยทดสอบปัญญาประดิษฐ์ GPT-3 ตั้งแต่เดือนมิถุนายนที่ผ่านมา แต่เป็นการทดสอบแบบวงปิด ล่าสุด Liam Porr นักศึกษาวิทยาศาสตร์คอมพิวเตอร์จาก UC Berkeley ก็สาธิตให้เห็นว่า GPT-3 สามารถเขียนบทความแนะนำในเชิงปรับปรุงตัวเอง (self-help) และพัฒนาประสิทธิภาพ (productivity) ได้ดี เพราะบทความสองแบบนี้ไม่ต้องต้องการตรรกะนัก

OpenAI บริษัทวิจัยปัญญาประดิษฐ์ประกาศเปิดบริการเชิงการค้าตัวแรก เป็น API สำหรับประมวลข้อความโดยอาศัยโมเดล GPT-3 เปิดทางให้นักพัฒนาสามารถสร้างแอปพลิเคชั่นที่พูดคุยในภาษาธรรมชาติเหมือนคุยกับมนุษย์ได้ โดยตัวปัญญาประดิษฐ์เปิดให้รันบนโมเดลที่ฝึกไว้ก่อนแล้ว แต่ผู้ใช้สามารถ "โปรแกรม" เพิ่มเติมได้ด้วยการใส่ตัวอย่างให้โมเดล โดยทาง OpenAI ระบุว่าจะใช้ตัวอย่างไม่มากนักขึ้นกับความซับซ้อนของงาน

OpenAI บริษัทปัญญาประดิษฐ์ที่ไม่เน้นผลกำไรที่ก่อตั้งในปี 2015 มีผลงานเด่นๆ ต่อเนื่อง ออกมาประกาศว่าจะพยายามพัฒนาปัญญาประดิษฐ์ใหม่ๆ โดยใช้ PyTorch เป็นไลบรารีมาตรฐานแทนที่จะพิจารณาเป็นรายโครงการเหมือนที่ผ่านมา

โครงการเด่นๆ ของ OpenAI ที่ผ่านมา อย่าง GPT-2 ปัญญาประดิษฐ์ทำนายคำที่ใช้สร้างแชตบอตหรือตัวช่วยเขียนโปรแกรมนั้นใช้ Tensorflow ในการพัฒนา

OpenAI บริษัทพัฒนาปัญญาประดิษฐ์ที่ก่อตั้งโดย Elon Musk สาธิตเทคนิคการฝึกปัญญาประดิษฐ์เพื่อควบคุมหุ่นยนต์ในโลกความเป็นจริง โดยสร้างโมเดลปัญญาประดิษฐ์ที่มีความซับซ้อนสูง ผ่านการสร้างโจทย์ให้หุ่นยนต์มือเดียวต้องแก้ปัญหารูบิก

OpenAI เปิดผลการทดลองโมเดล GPT-2 โมเดลปัญญาประดิษฐ์สำหรับทำความเข้าใจภาษามนุษย์โดยใช้เพียงข้อมูลจากอินเทอร์เน็ตที่ไม่ต้องจัดรูปแบบ (label) ข้อมูลไว้ล่วงหน้า แต่ยังได้โมเดลที่สามารถทำงานได้หลากหลาย ทั้งการเขียนบทความ, ตอบคำถามแสดงความเข้าใจเนื้อหา, แปลภาษา, และเขียนสรุป

โมเดลอาศัยข้อมูลจากอินเทอร์เน็ตขนาดถึง 40GB โดยไม่มีการจัดรูปแบบข้อมูลใดๆ แต่ฝึกโมเดลด้วยเป้าหมายง่ายๆ ว่าให้มันทำนายคำต่อไป หลังจากเห็นข้อความก่อนหน้า