Universe 的设计目标是支持单个的 Python 进程，以每秒60帧的速度并行驱动20个场景。每个屏幕的缓冲区是 1024×768，因此用外部进程直接读取每一帧需要3GB/s的内存带宽。他们用 Go 写了一个面向批处理的VNC服务器，它可以作为Python共享库加载，并且逐步更新每个场景的一对缓冲区。在尝试了许多 VNC 服务器、编码器和无证书协议选项的组合之后，现在的组合能以60帧/秒的速度驱动几十个场景，延迟是100毫秒——这些延迟几乎都是服务器端编码引起的。

　　Gym 和 Universe的开源是OpenAI 迄今为止较为代表性的两个作品。不过也有人提出疑问，没有数据开源，OpenAI所谓的开放大业能否完整？

　　OpenAI 同行者 DeepMind

　　这个世界上，如果要找一家与OpenAI类似的机构，那肯定是DeepMind了。

　　DeepMind被普遍认为是人工智能研究前沿的代表企业，他们研发的围棋程序AlphaGo也被认为是具有划时代意义的。

　　值得一提的是，马斯克正是这家公司的天使投资人之一。此前在有记者问马斯克，为什么在投资了DeepMind之后又创建OpenAI, 他的回答是：“我得强调，我并不是通常意义的投资者。我不寻求投资和财务上的回报。我给自己参与创立的公司投资，有时候是出于帮助朋友，有时候是因为我的信仰，也有的时候是因为我关心的事情。我并不是出于分散风险或者物质意义上的考虑。我对 DeepMind 所谓的投资，不过是为了更好的理解人工智能，并且能够时刻看到它的进展”。

　　来看看DeepMind在游戏上的开源，2016年12月，DeepMind在官方网站上宣布开源智能体研究平台DeepMind Lab ：

　　DeepMind 的 DeepMind Lab 是一个专为基于智能体的 AI 研究设计的，完全像 3D 游戏般的平台。它从自己的视角，通过模拟智能体的眼睛进行观察。场景呈现的视觉效果是科幻风格。可用的操作能让智能体环顾四周，并且以3D的形式移动。智能体的“身体”是一个悬浮的球体，通过激活与期望运动方向相反的推动器实现悬浮和移动，并且具有围绕其主体运动的，能够观察其旋转时动作的摄像头。示例任务包括收集水果、走迷宫、穿越危险的通道且要避免从悬崖上坠落、使用发射台在平台间穿越、玩激光笔、以及快速学习并记住随机生成的环境。

　　下面是智能体在 DeepMind Lab 中如何感知并与世界交互的图示：

　　2017年8月10日，DeepMind在官方博客上宣布开源星际争霸2 研究训练平台SC2LE。这套工具组件将加速即时策略游戏星际争霸 2 中的 AI 研究。

atv，现在却饱受质疑" src="http://www.wzatv.cc/atv/uploads/allimg/170817/001141R08_0.jpg" />

　　OpenAI联手DeepMind，创建可控制的人工智能

　　OpenAI 在做什么？一句话，他们在努力创建安全的通用人工智能。

　　这里有两个关键词：安全，通用。

　　通用人工智能又称强人工智能，简单来说，就是让机器自己学习像人一样地去行动。而安全，则是 OpenAI，这个由特斯拉 CEO 伊隆·马斯克成立的人工智能实验室着重强调的一点。

　　比如 OpenAI 的研究人员 Dario Amodei 正在开发一个能够自己玩“赛船冠军赛”（Coast Runners）游戏的系统，这是一个挺老的赛船电子游戏。哪艘船得分最高且能划过终点，就是冠军。

　　然而结果却让人大吃一惊：赛船对屏幕上的绿色小物件（“吃”掉这些小物件就可以得分）太执着了。比起到达终点，AI 控制的赛船会疯狂地去捞分。这造成了无尽的循环，和其他船相撞，滑进石墙，不停地起火。

　　Amodei 先生燃烧的赛船正是 AI 技术危险性的完美缩影。研究者开发出了自己进行任务学习的机器，其中最有名的就是横扫人类围棋世界的 AlphaGo。然而随着这些机器经过长时间的数据分析来进行训练，它们可能也发展出了意料之外的、人类不希望见到的、很可能有害的行为。

　　OpenAI 的一个重要使命，正是在发展通用 AI 的过程中，最大程度上避免这种情况的发生。