OpenAI Learning Day: Cultivating Cross-Functional Expertise"}],

OpenAI는 직원들이 일상적인 업무로는 다루기 어렵지만 직무 수행 능력을 향상시킬 수 있는 기술적 역량을 자기 주도적으로 학습할 수 있도록 매주 목요일을 'Learning Day'로 지정했습니다. 이 이니셔티브는 소프트웨어 엔지니어가 머신러닝을 배우고 연구원이 엔지니어링 기술을 향상할 수 있도록 함으로써, 다학제적 전문가(cross-functional experts)를 양성하는 것을 목표로 합니다.

The Impact of Dedicated Learning Time

전용 학습 시간은 조직 내 다학제적 성장의 속도를 크게 높입니다. Learning Day가 도입되기 전에는 직원들이 전문 분야 사이를 전환하는 경우(예: 소프트웨어 엔지니어가 머신러닝 분야로 이동하는 경우)가 드물었습니다. 이 관행이 채택된 이후, 이러한 성장은 매우 흔한 일이 되었습니다.

주요 관찰 결과는 다음과 같습니다:

  • Improved Communication: Robotics 팀 내에서 프로그램을 시작한 지 한 달 만에 연구원과 엔지니어들이 MAML, self-attention, SRAM, StatefulSet과 같은 전문 용어를 서로 올바르게 사용하기 시작했습니다.
  • Rapid Skill Acquisition: 일부 팀원들은 머신러닝에 대한 지식이 전혀 없던 상태에서 3개월 만에 컴퓨터 비전 분야에 기여할 수 있게 되었습니다.
  • Technical Versatility: 엔지니어들은 6개월간의 집중적인 학습을 통해 RL PhD 수준에 상응하는 결과물을 낼 수 있게 되었습니다.
  • Codebase Optimization: 연구원들이 코드베이스를 재구조화하기 위해 도메인 주도 설계(domain-driven design)를 적용하기 시작했습니다.

Learning Day Framework and Guidelines

Learning Day는 시간이라는 '선물'로 구조화되어 있으며, 이것이 단순한 휴식일이 아닌 생산적인 활동이 되도록 보장하기 위해 특정 원칙에 의해 운영됩니다.

Permitted Activities

직원들은 다음과 같은 광범위한 기술적 및 전문적 역량 강화 활동을 위해 이 날을 사용할 수 있습니다:

  • AI Research: AI 논문을 읽고 재구현하며, 튜토리얼을 따르고, 소규모 사이드 연구 프로젝트를 수행합니다.
  • Fundamentals: 선형 대수학, 통계학, 정보 이론, 베이지안 추론을 학습합니다.
  • Engineering: 새로운 프로그래밍 언어(예: Rust) 및 프레임워크를 탐구합니다.
  • Management: 자기 관리, 우선순위 설정, 그리고 Bell Labs나 Manhattan Project와 같은 유명 연구소의 운영 역사를 학습합니다.
  • Physical Engineering: 기계 공학을 배우거나 선형 액추에이터(linear actuators)와 같은 하드웨어를 제작합니다.
  • Professional Skills: 글쓰기 및 기타 업무 관련 기술을 향상시킵니다.

Accountability and Boundaries

프로그램의 무결성을 유지하기 위해 OpenAI는 다음과 같은 몇 가지 메커니즘을 사용합니다:

  • Slack Reporting: 팀원들은 책임감과 동기 부여를 유지하기 위해 Geekbot을 통해 Slack에 학습 진행 상황과 요약을 게시합니다.
  • Synchronized Scheduling: 모든 팀이 같은 날에 Learning Day를 가질 수 있도록 일정을 동기화하여, 긍정적인 동료 압박(peer pressure)을을 형성하고 긴급한 프로젝트 업무로 인해 학습 시간이 소모되는 것을 방지합니다.
  • Scope Control: 학습 활동이 학습이 아닌 다른 날로 넘어가는 것을 방지하기 위해 이 관행은 목요일로 엄격히 제한됩니다. 이는 학습 활동이 주 업무 프로젝트에 대한 몰입도 저하로 비춰질 수 있기 때문입니다입니다.

Curriculum Examples

Learning Day 활동은 조직 전체에 걸쳐 매우 다양합니다. 학습된 자료의 예시는 다음과 같습니다:

  • Deep Learning Papers: Population Based Augmentation, Domain Randomization Distributions, 그리고 Weight Agnostic Neural Networks에 관한 연구.
  • Coding Projects: LSTMs와 transformers를 처음부터 구현하거나, JAX를 다루거나, Sparse Transformers를 비전 작업에 적용하는 프로젝트.
  • - Mathematics: 시계열 분석(Time Series Analysis)과 The Book of Why를 통한 인과관계 연구.
  • Historical and Theoretical Context: 지능과 통신(communication)의 진화 과정을 이해하기 위해 The Information과 The Turing Test를 읽는 것입니다.

OpenAI는 특히 수학적 기초를 학습하는 직원들을 위해 책과 튜터 비용을 적절한 수준에서 지원합니다.

Organizational Scaling

원래 Robotics 팀의 Head of Robotics인 Wojciech Zaremba가 시범 운영했던 Learning Day는 이후 회사 전체로 확대되었습니다. 이는 OpenAI의 핵심적인 문화적 요소가 되었으며, 내부 설문조사에서 회사 문화의 가장 많이 논의되는 측면 중 하나로 언급되었습니다.

Sources