OpenAI Learning Day: クロスファンクショナルな専門性を育む

OpenAIは「Learning Day」を設立しました。毎週木曜日に専用の日を設け、従業員は日常業務では通常カバーされないが、職務パフォーマンスを向上させる技術スキルを自己学習できます。この取り組みは、クロスファンクショナルな専門家を育成することを目的としており、ソフトウェアエンジニアが機械学習を学び、研究者がエンジニアリングスキルを向上させることを可能にします。

専用学習時間の影響

専用の学習時間は、組織内でのクロスファンクショナルな成長の速度を大幅に高めます。Learning Dayの導入以前は、従業員は専門分野間をほとんど移動しませんでした（例：ソフトウェアエンジニアが機械学習へ移行するなど）。この慣習を採用した後、そのような成長は一般的になりました。

観察された主な成果には以下が含まれます：

コミュニケーションの改善： ロボティクスチームでプログラムを開始してから1か月以内に、研究者とエンジニアはお互いの専門用語を正しく使い始めました。これにはMAML、self-attention、SRAM、StatefulSetなどの用語が含まれます。
スキルの迅速な習得： 一部のチームメンバーは、機械学習の知識がゼロの状態から3か月以内にコンピュータビジョンへの貢献をできるようになりました。
技術的な多様性： エンジニアは、6か月の専念した学習後に、RL博士号保持者と同等のアウトプットを達成できるようになりました。
コードベースの最適化： 研究者はドメイン駆動設計を適用し、コードベースの再構築を開始しています。

Learning Dayのフレームワークとガイドライン

Learning Dayは「時間の贈り物」として構造化され、特定の原則に従って生産的な取り組みであり、単なる休日ではないことを保証します。

許可された活動

従業員には、以下のような幅広い技術的および専門的なレベルアップ活動にこの日を使用することを推奨しています：

AI研究： AI論文の読解と再実装、チュートリアルのフォロー、小規模なサイド研究プロジェクトの追求。
基礎： 線形代数、統計、情報理論、ベイズ推論の学習。
エンジニアリング： 新しいプログラミング言語（例：Rust）とフレームワークの探求。
マネジメント： セルフマネジメント、優先順位付け、ベル研究所やマンハッタン計画などの著名な研究所の運営史の学習。
物理エンジニアリング： 機械工学の学習や、リニアアクチュエータなどのハードウェアの構築。
プロフェッショナルスキル： 書くことやその他の仕事関連スキルの向上。

責任と境界

プログラムの整合性を維持するため、OpenAIはいくつかのメカニズムを採用しています：

Slack報告： チームメンバーはGeekbotを介してSlackで学習の進捗とサマリーを投稿し、責任感とモチベーションを維持します。
スケジュールの同期： Learning Dayはすべてのチームで同じ日に行われ、ポジティブなピアプレッシャーを生み出し、緊急のプロジェクトタスクに一日が消費されるのを防ぎます。
スコープ管理： この慣習は木曜日にstrictに限定され、学習活動が非学習日に漏れ出すのを防ぎます。そうしないと、主要プロジェクトへの関与が欠如しているというシグナルになります。

カリキュラムの例

Learning Dayの活動は組織全体で幅広く異なります。学習された教材の例には以下があります：

ディープラーニング論文： Population Based Augmentation、Domain Randomization Distributions、Weight Agnostic Neural Networksに関する研究。
コーディングプロジェクト： スクラッチからLSTMとトランスフォーマーを実装、JAXで遊ぶ、またはSparse Transformersを視覚タスクに適用。
数学： 時系列分析と『The Book of Why』を通じた因果関係の研究。
歴史的・理論的背景： 『The Information』と『The Turing Test』を読み、知能とコミュニケーションの進化を理解。

OpenAIは、特に数学の基礎を学ぶ者に対して、書籍やチューターの合理的な費用を補填することでこれらの取り組みを支援しています。

組織規模の拡大

元々はロボティクスチームのヘッドであるWojciech Zarembaによってパイロットとして導入されたLearning Dayは、その後会社全体に拡大しました。これはOpenAIの中心的な文化的柱となり、内部調査で企業文化の中で最も話題に上がる側面の一つとして挙げられています。