OpenAI Learning Day: 培養跨功能專長

OpenAI 已設立「Learning Day」，即每週週四的專門日子，員工可在此自學能提升工作表現但通常不在日常工作任務中涵蓋的技術技能。此舉旨在培養跨功能專家，使軟體工程師能學習機器學習，研究者能提升工程技能。

專門學習時間的影響

專門的學習時間顯著提升了組織內跨功能成長的速度。在實施 Learning Day 之前，員工很少在專長之間轉換（例如，軟體工程師轉向機器學習）。採用此做法後，這種成長變得普遍。

關鍵成果包括：

• 改善溝通： 在機器人團隊啟動該計畫的一個月內，研究人員和工程師開始正確使用彼此的專業術語，包括 MAML、self-attention、SRAM 和 StatefulSet 等詞彙。
• 快速技能習得： 某些團隊成員從完全不了解機器學習，進展到在三個月內能夠對電腦視覺做出貢獻。
• 技術多樣性： 工程師在六個月的專注學習後，能夠產出與 RL 博士相當的成果。
• 代碼基礎優化： 研究人員開始運用領域驅動設計來重構代碼基礎。

Learning Day 框架與指導方針

Learning Day 被結構為一份「禮物」的時間，受特定原則管治，以確保其保持為富有成效的 endeavour，而非休閒日。

允許的活動

員工被鼓勵利用此日進行廣泛的技術與專業提升活動，包括：

• AI 研究： 閱讀並重新實作 AI 論文，跟隨教學，並進行小型側向研究項目。
• 基礎： 學習線性代數、統計、資訊論與貝葉斯推斷。
• 工程： 探索新程式語言（例如 Rust（例如，以及框架。
• 管理： 學習自我管理、優先級，如貝爾實驗室或曼哈頓計畫的實驗室的運營歷史。
• 實體工程： 學習機械工程或構建硬體，例如線性致動器。
• 專業技能： 提升寫作與其他工作相關技能。

責任與界限

為維護計畫的完整性，OpenAI 採用了以下幾種機制：

• Slack 報告： 團隊成員透過 Geekbot 在 Slack 上發布學習進度與摘要，以維持責任感與動機。
• 同步排程： Learning Day 對所有團隊而言在同一天進行，以創造正向的同儕壓力，並防止該日被緊急專案任務佔據。
• 範圍控制： 該實踐嚴格限定在週四，以防止學習活動滲漏到非學習日，否則會暗示員工對主要專案缺乏投入。

課程範例

Learning Day 的活動在組織內各不相同。學習材料的範例包括：

• 深度學習論文： 關於 Population Based Augmentation、Domain Randomization Distributions 與 Weight Agnostic Neural Networks 的研究。
• 編碼項目： 從零實作 LSTMs 與 transformers，玩轉 JAX，或將 Sparse Transformers 應用於視覺任務。
• 數學： 時間序列分析以及透過《Why》一書研究因果關係。The Book of Why。
• 歷史與理論背景： 閱讀《The Information》與《The Turing Test》，以了解智慧與溝通的演變。The Information 和 The Turing Test。

OpenAI 透過報銷書籍與導師的合理費用來支持這些努力，特別是對那些學習數學基礎的人。

組織擴展

最初由機器人團隊負責人 Wojciech Zaremba 在機器人團隊內試點，Learning Day 現已擴展至整個公司。它已成為 OpenAI 的核心文化特色，在內部調查中被引用為公司文化中最受討論的方面之一。