OpenAI Learning Day: 培养跨职能专业技能

OpenAI 已设立 "Learning Day"，即每周周四的专门日子，员工可以在此自学技术技能，这些技能能提升工作表现但通常不在日常工作任务中涉及。此举旨在培养跨职能专家，使软件工程师能够学习机器学习，研究者能够提升工程技能。

专门学习时间的影响

专门学习时间显著提高了组织内部跨职能成长的速度。在实施 Learning Day 之前，员工很少在专业之间转换（例如，软件工程师转向机器学习）。采用此做法后，这种成长变得普遍。

观察到的关键成果包括：

• 沟通改善： 在机器人团队启动该计划一个月内，研究人员和工程师开始正确使用彼此的专业术语，包括 MAML、self-attention、SRAM 和 StatefulSet 等术语。
• 快速技能获取： 某些团队成员从零基础的机器学习知识进展到在三个月内做出计算机视觉贡献。
• 技术多面性： 工程师在六个月的专门学习后，能够产出与 RL 博士相当的成果。
• 代码库优化： 研究人员开始应用领域驱动设计来重构代码库。

Learning Day 框架与指南

Learning Day 被结构化为一份 "时间礼物"，受特定原则约束，以确保其保持为富有成效的努力而非休闲日。

允许的活动

鼓励员工利用这一天进行广泛的技术和专业提升活动，包括：

• AI 研究： 阅读并重新实现 AI 论文，跟随教程，开展小型侧边研究项目。
• 基础： 学习线性代数、统计学、信息论和贝叶斯推断。
• 工程： 探索新编程语言（例如 Rust）和框架。
• 管理： 学习自我管理、优先级排序以及著名实验室（如贝尔实验室或曼哈顿计划）的运营历史。
• 物理工程： 学习机械工程或构建硬件，例如线性执行器。
• 专业技能： 提升写作和其他工作相关技能。

责任与边界

为维护项目的完整性，OpenAI 采用了若干机制：

• Slack 汇报： 团队成员通过 Geekbot 在 Slack 上发布学习进展和总结，以保持问责和动力。
• 同步安排： Learning Day 对所有团队在同一天进行，以产生积极的同伴压力并防止该日被紧急项目任务占用。
• 范围控制： 该实践严格限定在周四，以防止学习活动渗入非学习日，否则将暗示对主要项目缺乏参与。

课程示例

Learning Day 的活动在组织内部差异很大。学习材料的示例包括：

• 深度学习论文： 关于 Population Based Augmentation、Domain Randomization Distributions 和 Weight Agnostic Neural Networks 的研究。
• 编码项目： 从零实现 LSTMs 和 transformers，玩转 JAX，或将 Sparse Transformers 应用于视觉任务。
• 数学： 时间序列分析以及通过《Why Book》研究因果关系。
• 历史和理论背景： 阅读《The Information 和 以理解智能和通信的演变。

OpenAI 通过报销书籍和导师的合理费用来支持这些努力，特别是对那些学习数学基础的人。

组织规模化

最初由机器人团队负责人 Wojciech Zaremba 在机器人团队内部试点，Learning Day 已扩展到整个公司。它已成为 OpenAI 的核心文化 staple，在内部调查中被引用为公司文化中最受讨论的方面之一。