เราได้จัดงานนี้ขึ้นโดยมีผู้เข้าร่วมประมาณ 90 คนที่ออฟฟิศ และอีกเกือบ 300 คนผ่านการถ่ายทอดสด โดยมีผู้สมัครเข้าร่วมจากทั่วโลกกว่า 500 คน ซึ่งระดับประสบการณ์ด้าน ML ของผู้เข้าร่วมมีความแตกต่างกันมาก ตั้งแต่ผู้ที่แทบไม่มีประสบการณ์ ไปจนถึงผู้ที่สร้างบอท Dota ของตนเองได้สำเร็จ
หัวข้อการบรรยายครอบคลุมถึง Domain randomization, recurrent neural networks และการฝึกแบบกระจายขนาดใหญ่ ซึ่งเป็นองค์ประกอบสำคัญในการเชื่อมช่องว่างระหว่าง ‘sim2real’ สำหรับงานนี้
เสียงตอบรับ
ผู้เข้าร่วมชื่นชมว่าการได้รับความช่วยเหลือแบบตัวต่อตัวและการทำงานร่วมกับผู้เชี่ยวชาญนั้นมีประโยชน์อย่างยิ่ง และบรรยากาศที่กระตุ้นให้เกิดการเรียนรู้ก็เป็นจุดเด่นข้อเสนอแนะ
ข้อเสนอแนะที่ได้รับคือการเพิ่มช่วงนำเสนอโครงการที่สามารถทำต่อยอดได้ หรือการขยายเวิร์กช็อปให้ยาวนานขึ้น เนื่องจากผู้เข้าร่วมบางส่วนรู้สึกว่ามีเวลาน้อยเกินไปในการทำงานโปรเจกต์ของตนเองก้าวต่อไป
ขอขอบคุณผู้ร่วมจัดงานและผู้สนับสนุนทุกท่านที่ทำให้งานนี้สำเร็จลุล่วงไปด้วยดีศัพท์ที่ควรรู้
- Deep RL – คือหัวข้อหลักของเวิร์กช็อป ซึ่งเป็นหนึ่งในสาขาของ Reinforcement Learning ที่ใช้ Deep Learning เข้ามาช่วยในการตัดสินใจ
- Domain randomization – เป็นเทคนิคที่ใช้ในการจำลองสถานการณ์ที่หลากหลาย เพื่อให้โมเดลสามารถนำไปใช้ในโลกจริงได้
- Recurrent neural networks – คือโครงข่ายประสาทเทียมชนิดหนึ่งที่ถูกออกแบบมาเพื่อจัดการกับข้อมูลที่มีลำดับ เช่น อนุกรมเวลา
- Sim2real gap – คือความแตกต่างระหว่างการจำลองในคอมพิวเตอร์ (Simulation) กับการนำไปใช้งานในโลกแห่งความเป็นจริง (Real World)
ที่มา: OpenAI