大部分当代人工智能依赖机器学习技术：在通过特定数据集进行学习后，机器能自动对输入信息作出反馈。从某种意义上来说，机器学习算法利用预设值去预测结果。然而，OpenAI 的研究人员发现了不同寻常的状况。
OpenAI 此前开发了一种机器学习系统，用于预测亚马逊网站评论文字中的下一字符。研究人员发现，这一人工智能进一步发展成为了无监督系统，学会了情绪的表示。
OpenAI 在博客中表示：“我们的模型学会了一种判断功能。通过简单地预测亚马逊网站评论中的下一字符，这一模型发现了情绪的概念。这令我们非常惊讶。”OpenAI 是一家非营利组织，投资人包括伊隆·马斯克（Elon Musk）、彼得·蒂尔（Peter Thiel）及萨姆·阿尔特曼（Sam Altman）。OpenAI 的神经网络模型能自我训练，通过对评论内容是否正面进行归纳来分析情绪，并按照需要的情绪来生成文字。
这一基于 mLSTM 技术的人工智能系统接受了为期 1 个月的训练，训练中 4096 个学习单元利用了亚马逊网站的 8200 万条评论。在训练之后，研究人员通过对这些学习单元的线性合并将模型变为了情绪归纳工具。当这一模型只启用少数学习单元时，研究人员发现了单个“情绪神经元”的出现，能对其情绪值进行准确的预测。
这一人工智能的情绪分析能力超过了“斯坦福情绪树图资料库”使用的所有其他方式。“斯坦福情绪树图资料库”是一个被广泛研究的情绪分析数据集。这一人工智能的准确率高达 91.8%，超过此前的最高纪录 90.2%。
对机器学习研究员来说，无监督学习算法是最终梦想。这种人工智能可以自主学习，而不再需要人工输入带标签数据。OpenAI 的 mLSTM 人工智能实现了这一目标。不过，其开发者已经注意到，这可能并不是唯一一种有能力进行无监督学习的机器。
无监督学习能力将给人工智能带来巨大的提升：减少所需的训练时间，同时优化训练效果。例如，通过分析甚至预测用户需求，这样的人工智能可以提供训练有素的虚拟助手。不过，所有这类设想中的应用仍需要对无监督学习的进一步研究。
OpenAI 的研究人员表示：“我们的研究结果是向通用无监督表示学习发展过程中充满前景的一步。不过，底层的现象仍然很神秘，机制远远没有弄清。”