博海拾贝 文摘 OpenAI全部的秘密,藏在200份简历中

OpenAI全部的秘密,藏在200份简历中

2024_05_16_08_11_23.png

凌晨的发布会上,OpenAI展示了新一代大模型GPT-4o,令一众同行如坐针毡。然而,一向喜欢整个大新闻的奥特曼,这次却没有亲自上阵,而是将聚光灯留给了首席技术官米拉·穆拉蒂(Mira Murati)。

Mira Murati

和首席科学家伊利亚一样,米拉也是位典型的技术精英:

她曾在达特茅斯学院学习机械工程,并在法国航空公司Zodiac Aerospace担任过高级工程师。后来,米拉又加入了特斯拉,领导了Model X电机系统的开发。在这过程中,米拉开始接触自动驾驶,对人工智能的兴趣与日俱增[1]。

最终,她被奥特曼招至麾下。

人工智能的竞争,永远延续着这样一条规律:人才第一,数据第二,算力第三。OpenAI的高层,清一色都是米拉这样的技术精英。如此庞大的人才军火库,才是OpenAI遥遥领先的秘密。

然而,OpenAI的“军火库”中,不仅有传统技术精英,还有更多“非常规天才”。

例如GPT-4o的多模态负责人Prafulla Dhariwal,实际只有本科学历。

而Sora的论文作者中,还有一位研究员,仅有高中毕业证。他17岁开始学习写代码,今年刚满21岁,脸上还残留着青春痘的痕迹[2]。

“高中生研究员”Will DePue

连OpenAI曾经的技术主管Christopher Olah,都没正经念过几天书。他领英主页的教育经历一栏,赫然写着“University of Real Life Experience(真实生活经历大学)”。

很显然,对于何谓“科研人才”,OpenAI有自己的理解。

人才军火库

我们翻了大量简历后发现,OpenAI的人才招募,有两个显著的特征,即“两不看”:

一是不看学历。在大型研究机构当中,博士学历通常都是求职的敲门砖。

杨立昆曾提及,Meta将研究岗分成两类:基本只有博士学历的人,才有机会担任研究科学家(Research Scientists),剩下的都是研究工程师(Research Engineers),逼格直接掉了一个档次[4]。

但OpenAI没那么多讲究。

例如创造了文生图模型DALL·E的印度小哥Aditya Ramesh,只有纽约大学的学士学位。印度小哥其实有继续深造的打算,但架不住OpenAI一直催他早点入职。

Aditya Ramesh

前面提到的“高中生研究员”Will DePue,更为极端。

他高中时心思就不在念书上,创业做了家数据分析公司。公司被收购后,他又跑去美国的民间激进组织中,做了7个月的志愿者。因此,Will DePue求职OpenAI时,根本拿不出一份像模像样的简历。

去年2月,智谱研究曾统计过ChatGPT团队的学历分布,发现本科、硕士、博士的人数竟然持平,占比分别为33%、30%、37%[5]。

二是不看资历。OpenAI非常敢于让新人挑大梁。

Aditya Ramesh在研究DALL·E时,其实转正没多久。如今,这位仅有6、7年工作经历的印度年轻人,已经先后在DALL·E 2、DALL·E 3、GPT-4,以及Sora的论文中,留下了自己的名字。

这一度令印度媒体极其兴奋,“DALL·E原来是印度血统”[7]。

而在Sora团队,这个现象更明显。主导该项目的研究员叫Bill Peebles,2023年才博士毕业,彻头彻尾的应届生。

Bill Peebles

当然,OpenAI内部也有不少传统意义上的超级精英。

例如Sora的另一位主导者Tim Brooks,虽年轻,却资历颇深。他的老师Alyosha Efros是计算机视觉领域的泰斗,自己也曾在谷歌、英伟达等大厂,从事过人工智能研究。而以奥特曼为首的管理层,其履历多是清一色的硅谷大厂。

OpenAI通常会让少数超级精英,带着年轻且才华横溢的技术天才们,一同搞科研。

某种意义上,OpenAI的生活,确实很符合世俗对于极客天才的浪漫想象。

然而,现实毕竟不是一部励志电影,“天才”二字并不会刻在应聘者的脸上;选择了“两不看”的OpenAI,究竟靠什么招人?

OpenAI的哲学

实际上,OpenAI的招聘向来以严苛著称。2017年时,曾有人在海外论坛Reddit上,分享过OpenAI的面试经历:

在通过初步筛选后,他先后经历了4轮面试,其中包括1次演讲、2次研究面试,以及1次编程面试,堪比过五关斩六将。并且,2次研究面试的方向还不一样,一次考察技术知识储备,另一次则侧重哲学探讨,要求应聘者分享对人工智能技术演进的思考[8]。

在美国招聘网站Glassdoor上,近一半的人都对求职经历给出了负面评价。

因为OpenAI的面试流程极长,且面试官总爱出一些怪招。去年年初,OpenAI人力副总裁Diane Yoon,公开解释了这么做的原因:

OpenAI更侧重考察“解决问题的能力”。

她提到,OpenAI虽是一家研究机构,但行事风格并不掉书袋。OpenAI认为,研究的目的是解决现实问题,并鼓励研究员尝试最简单的方式,而不是盲目追求学术创新,因为前者通常更有效。

OpenAI的许多成果,都是这一文化的延续。

例如震撼世界的Sora,更多是改良并发扬了谷歌提出的技术路线。去年,Sora的基础论文《Scalable diffusion models with transformers》,甚至因“缺乏创新”而被顶级人工智能学术会议CVPR拒收。

刚刚发布的GPT-4o亦是如此。OpenAI并没有做什么学术创新,只是借助强大的工程能力,将科幻电影中能够自由交谈的AI,变成了现实。

然而,这种解决问题的能力,并不会直接体现在简历上。因此,OpenAI设计了很多套路。Diane Yoon举例说道,她经常会要求应聘者提供,曾做过“有影响力的工作”,目的是观察应聘者是否具备解决问题、推动创新的意识[9]。

这种做法其实并不罕见,很多科技公司都有非常独特的“招人姿势”。

《乔布斯传》中曾记载,早年的苹果从来不招“老实人”。乔布斯经常会问一些稀奇古怪的问题,来考验应聘者是否有幽默感与叛逆精神。有时,乔布斯甚至会在面试中捉弄对方,问他“是不是处”“嗑过几次药”[10]。

因为招的“疯子”越多,做出来的创新就越“野”。

尽管乖僻套路层出不穷,并不妨碍OpenAI将最优秀的技术天才们搜刮殆尽。例如前文提到的印度小哥Aditya Ramesh,当年曾是杨立昆的学生,在Meta做过一些研究。然而,他最终还是给导师发了“好人卡”。

因为对志在搞科研的人来说,OpenAI这个组织,可谓天生媚骨。

宏大叙事的魅力

OpenAI的身上,刚好有一种奥本海默式理想主义。

奥本海默既亲手加速了核武器诞生,同时也极力反对滥用核武器。

奥特曼创办OpenAI的初衷,同样是担心人工智能被科技巨头滥用,危害人类。因此,他们设立了一间不受大型科技公司控制,且非盈利的实验室,作为制衡。

奥特曼一直认为,推动这么一个看似疯狂、不切实际的想法,其实并不困难,“因为人们会觉得这太酷了,并主动投身进来提供帮助。”实际走向也正如他所料。

OpenAI成立于2015年末,起步其实相当晚。彼时,谷歌、Facebook等科技巨头早已将AI人才瓜分殆尽。然而,凭借浪漫的公司理念,OpenAI还是成功挖角来了伊利亚等顶级学术大牛。

当时,谷歌给伊利亚开出了200万美元的年薪,他再三思索,最终还是觉得“拯救人类”更重要。

2018年时,OpenAI发布了一份《公司宪章》,进一步明确了使命,即“确保通用人工智能造福全人类”。而在GPT-4o发布之后,奥特曼也不忘在公告中重画一遍大饼。

奥本海默式理想主义如同一杆大旗,聚集了无数满腔热情的技术人才。

对于大多数普通人而言,人类福祉完全是个遥遥无期的话题,大家更在乎何时能涨工资、还完房贷。然而,眼下的这群技术天才,却真的相信,自己正从事一份关乎人类未来的事业。

冰山之下

不过,浪漫主义的公司理念,只是OpenAI的华丽外衣;理想的种子能够茁壮成长,是因为种在了坚实的土壤之上。

OpenAI的资深研究员中,有一位叫Li Jing的国人。

他本科毕业于北京大学,随后选择去麻省理工学院深造,拿到了博士学位。毕业之后,他获得了在Meta从事博士后研究的机会,直接跟着图灵奖获得者杨立昆学习。在Meta科研了近3年之后,Li Jing又转投了OpenAI。

事后来看,Li Jing的每一个选择,几乎都是职业生涯的最优解。

而这些“最优解”的结合,在美国构建起一台庞大的“人才造血机器”。从学术到产业,美国提供了完整的一条龙式服务:

在伯克利、MIT等高校的教学一线,活跃着大批声名显赫的泰斗级人物,包括前文提到过的大牛Alyosha Efros,以及ResNets的开发者何恺明。

这些顶尖高校的教授,又多大与产业界关系密切,足以“工作包分配”。纽约大学的杨立昆最为典型,他的学生基本都在Meta工作过。

而人工智能领域的顶级学术会议,也基本都是由美国组织举办。例如计算机视觉领域的CVPR(国际计算机视觉与模式识别会议)、ICCV(国际计算机视觉会议),其举办者都是总部位于纽约的电气电子工程师协会(IEEE)。

当大批年轻人立志计算机事业,准备大展宏图时,往往会惊讶地发现,美国早已在科研的轨道上,铺设了一个又一个金碧辉煌的补给站。

当他们厌倦了荒野独行,难免会掉转车头驶向另一条轨道。

因此,我们大可不必苛责那些赴美的研究员。

凭借着强大的产业基础,美国汇聚了全球最多的计算机人才。

智库机构MacroPolo曾做过统计,他们将NeurIPS接收过论文的研究员,定义为“顶级AI研究员”,发现:截止至2022年,57%的顶级AI研究员都在美国工作;相比之下,排名第二的中国只占12%。

当然,咱已经进步很快了——2019年时,中国在“其他”这一栏。

然而,如果按国籍划分,会发现美国籍的顶级研究员其实只有28%[12]。不断涌入的中国人、印度人、欧洲人,构成了美国人工智能的半壁江山。

因此,对美国之外的追赶者而言,OpenAI的理想主义故事,很难说有多少启示。

尾声

2020年,OpenAI时任技术主管奥拉(Christopher Olah),分享了一篇博客。在计算机科学家的圈子里,奥拉算得上是个传奇人物。他只有高中学历,靠着自学与大佬指点,就成功闯出一番事业。

在这篇题为“我需要上大学吗”的博客中,奥拉分享了他自学人工智能的方式[13]:积极旁听教授课程、参与学术会议、参观实验室等等。

在美国,这些学术资源面向所有人公开。过程中,奥拉幸运地认识了一位量子物理学家,并在他的指导下完成了第一篇论文。

后来,他又获得了“深度学习泰斗”约书亚·本吉奥的赏识,一度想把他招进大学。

在此期间,奥拉还获得了一笔10万美金的经济补贴,从而不必为现实问题分神。这笔钱来自蒂尔奖学金(Thiel Fellowship),它由彼得·蒂尔创办,专门资助那些中途退学,且渴望从事科技行业的年轻人。

毫无疑问,奥拉的成功,既有个人努力的因素,但同样也受益于一个更包容人才的环境。

这样的环境,才是一个公司,以及经济体创新力的真正来源。

来源:远川科技评论 微信号:kechuangych

本文来自网络,不代表博海拾贝立场,转载请注明出处:https://www.bohaishibei.com/post/91320/
关注微信
微信扫一扫关注我们

微信扫一扫关注我们

关注微博
Telegram
返回顶部