OpenAI如何組織員工學(xué)習(xí)？這里有一份課程與書籍清單

魚羊 發(fā)自 凹非寺

量子位 報(bào)道 | 公眾號(hào) QbitAI

在人工智能領(lǐng)域，知識(shí)的更新速度超乎想象，去年BERT還制霸各大排行榜，轉(zhuǎn)眼XLNet又來了。

對(duì)于AI公司的員工來說，若不追逐技術(shù)的浪潮，就很有可能在人工智能時(shí)代的激烈競(jìng)爭(zhēng)中越來越力不從心。

及時(shí)迭代技術(shù)，正與公司的期待不謀而合。AI公司本身當(dāng)然也不希望看到員工被技術(shù)瓶頸卡住。

那么，那些走在人工智能浪尖的大公司，都是怎么組織員工緊跟AI技術(shù)風(fēng)向的呢？

OpenAI主動(dòng)把星期四設(shè)成了學(xué)習(xí)日，讓員工可以自由學(xué)習(xí)日常工作中學(xué)不到的東西。

每周四，不用管手頭的項(xiàng)目，想看啥論文就看啥論文，哪怕是復(fù)習(xí)復(fù)習(xí)線性代數(shù)，那也是極好的。

媽媽再也不用擔(dān)心我把線代知識(shí)全還給了老師。

難怪有網(wǎng)友說：好想加入OpenAI啊。

自由學(xué)習(xí)的工作日

這個(gè)學(xué)習(xí)日，到底是怎么一回事呢？

OpenAI的說法是，在這一天里，員工們可以自由地學(xué)習(xí)想學(xué)的知識(shí)，只要他們覺得這些新技能能幫助自己提升工作水平，并且在日常的工作中并沒有機(jī)會(huì)學(xué)到。

拿OpenAI的機(jī)器人團(tuán)隊(duì)舉個(gè)例子，在這一天里，他們通常會(huì)做這些事情：

• 閱讀AI論文
• 重現(xiàn)AI論文
• 學(xué)習(xí)AI教程
• 開展自己的AI項(xiàng)目
• 學(xué)習(xí)數(shù)學(xué)基礎(chǔ)：線性代數(shù)，統(tǒng)計(jì)學(xué)等等
• 學(xué)習(xí)機(jī)器學(xué)習(xí)基礎(chǔ)：信息論，貝葉斯推理等等
• 學(xué)習(xí)工程方面的知識(shí)：了解最新的編程語言，框架等等
• 學(xué)習(xí)管理方面的知識(shí)：自我管理，優(yōu)先排序，知名實(shí)驗(yàn)室都怎么運(yùn)作blabla
• 學(xué)習(xí)機(jī)械工程或開展機(jī)械工程研究項(xiàng)目
• 學(xué)習(xí)任何可以幫助提高工作水平的技能，比如寫作

以上也只是建議，深度學(xué)習(xí)一下《權(quán)重不可知的神經(jīng)網(wǎng)絡(luò)》當(dāng)然很好，《黑暗領(lǐng)域：網(wǎng)絡(luò)戰(zhàn)爭(zhēng)秘史》這種歷史讀物也一樣沒什么問題，甚至，公司還給你報(bào)！銷！

量子位曾解讀《權(quán)重不可知的神經(jīng)網(wǎng)絡(luò)》：https://mp.weixin.qq.com/s/mQ01MkRCWL0gZVtVWZmbJw

想鞏固一下數(shù)學(xué)知識(shí)？買書！請(qǐng)老師！別猶豫，OpenAI投資你！

簡(jiǎn)直令人感動(dòng)。

來自機(jī)器人團(tuán)隊(duì)的妙想

OpenAI周四學(xué)習(xí)日現(xiàn)在已經(jīng)普惠到全公司，成為公司文化的重要組成部分。

不過在一開始，是機(jī)器人團(tuán)隊(duì)做了第一個(gè)吃螃蟹的人。

機(jī)器人團(tuán)隊(duì)的負(fù)責(zé)人Woj（Wojciech Zaremba）是這樣想的：

我意識(shí)到我在許多領(lǐng)域面前止步不前，因?yàn)槿粘９ぷ髦杏刑嗑o急任務(wù)。而這對(duì)我的工作是很不利的，比如說，我一直想評(píng)估我的團(tuán)隊(duì)是否應(yīng)該更換深度學(xué)習(xí)框架，但我總是會(huì)被各種工作上的事打斷。

粗淺的零碎時(shí)間閱讀對(duì)此并沒有什么幫助。

最好的解決方案就是每天空出一天來學(xué)習(xí)。我想如果我需要這樣一天來提高我的工作效率，那么我的團(tuán)隊(duì)成員們也一樣有此需求。

短期生產(chǎn)力是會(huì)受到影響，但在一到兩年之內(nèi)，由此產(chǎn)生的增長(zhǎng)就會(huì)顯現(xiàn)。

在實(shí)行了學(xué)習(xí)日計(jì)劃之后，僅僅過去了一個(gè)月，團(tuán)隊(duì)中研究員和工程師之間的交流就明顯順暢了起來，每個(gè)人都開始正確地使用術(shù)語。

半年之內(nèi)，研究人員會(huì)討論用什么樣的設(shè)計(jì)重組代碼庫了，而工程師也更多地參與到了研究項(xiàng)目當(dāng)中。

鵝妹子嚶。

Woj提到，OpenAI一向鼓勵(lì)自學(xué)，但光說鼓勵(lì)，emmm，并沒有什么效果。

你招了一名工程師，你希望TA更懂機(jī)器學(xué)習(xí)，一個(gè)月過去了，TA很可能還是對(duì)ML不明覺厲。

自從有了學(xué)習(xí)日之后，情況就不一樣了。

在機(jī)器人團(tuán)隊(duì)中，有成員本來對(duì)機(jī)器學(xué)習(xí)一無所知，三個(gè)月后，能給CV（計(jì)算機(jī)視覺）項(xiàng)目貢獻(xiàn)代碼了。

還有一位工程師大佬，學(xué)了RL（強(qiáng)化學(xué)習(xí)）才半年，做出來的東西快趕上RL博士水平了。

跨領(lǐng)域人才在哪里都受歡迎，OpenAI也不例外。他們決心把學(xué)習(xí)日活動(dòng)推廣到全公司，在公司內(nèi)部發(fā)展多面手們。

畢竟，不懂?dāng)?shù)學(xué)的軟件工程師不是好機(jī)器學(xué)習(xí)科學(xué)家嘛。

實(shí)現(xiàn)細(xì)節(jié)

所以學(xué)習(xí)日等于多放一天假？

非也非也。

這不是休閑日，只是換一種努力工作的方式。

學(xué)習(xí)日，可是有很多細(xì)節(jié)的。

Q1：學(xué)習(xí)日被用來工作怎么辦？

首先，要保證體育課不變成作業(yè)課，啊呸，要保證學(xué)習(xí)日不變成普通工作日。

即使領(lǐng)導(dǎo)不著急，團(tuán)隊(duì)成員們還是可能想要更快地完成手頭的項(xiàng)目。

OpenAI的解決方式是，所有團(tuán)隊(duì)都在同一天舉辦學(xué)習(xí)日活動(dòng)。全公司的人都沒在工作，你還會(huì)選擇項(xiàng)目而不是那篇早就想好好拜讀一下的大神論文嗎？

Q2：學(xué)習(xí)日變成休閑日怎么辦？

又想重復(fù)周末葛優(yōu)躺一整天的操作？快別想了，每個(gè)團(tuán)隊(duì)成員都要在Geekbot的Slack上分享自己的學(xué)習(xí)進(jìn)展。

別人都五殺了你還蹲在家里喝泉水，還怎么跟小伙伴愉快地玩耍？

反正在OpenAI，程序員們都興奮地push了起來。

真是別人家的公司啊。

One More Thing

最后，來看看OpenAI員工們都學(xué)了什么吧。

深度學(xué)習(xí)論文：

Population Based Augmentation: Efficient Learning of Augmentation Policy Schedules：

https://arxiv.org/abs/1905.05393

Learning Domain Randomization Distributions for Transfer of Locomotion Policies：

https://arxiv.org/abs/1906.00410

Neural Graph Evolution: Towards Efficient Automatic Robot Design Learning to Learn with Probabilistic Task Embeddings：

https://bair.berkeley.edu/blog/2019/06/10/pearl/

Mid-Level Visual Representations Improve Generalization and Sample Efficiency for Learning Visuomotor Policies：

http://perceptual.actor/assets/main_paper.pdf

Efficient Off-Policy Meta-Reinforcement Learning via Probabilistic Context Variables：

https://arxiv.org/abs/1903.08254

Does computer vision matter for action?

https://arxiv.org/pdf/1905.12887.pdf

WAIC, but Why? Generative Ensembles for Robust Anomaly Detection：

https://arxiv.org/abs/1810.01392

Weight Agnostic Neural Networks：

https://arxiv.org/abs/1906.04358

Challenging Common Assumptions in the Unsupervised Learning of Disentangled Representations：

https://arxiv.org/abs/1811.12359

Deep unsupervised learning：

https://arxiv.org/abs/1811.12359

Deep RL Bootcamp：

https://sites.google.com/view/deep-rl-bootcamp/lectures

深度學(xué)習(xí)代碼：

Reptile and MAML

Play with code in JAX

Apply Sparse Transformers to vision tasks

Implement LSTM and transformer from scratch; train them on Penn treebank

Train a neural net to reproduce the behavior of a physical motor

數(shù)學(xué)：

Time Series Analysis

The Book of Why: The New Science of Cause and Effect

歷史：

Dark Territory: The Secret History of Cyber War

The Hacked World Order: How Nations Fight, Trade, Maneuver, and Manipulate in the Digital Age

Technology Transfer to the USSR. 1928-1937 and 1966-1975: The Role of Western Technology in Soviet Economic Development

The Turing Test: Verbal Behavior as the Hallmark of Intelligence

The Information: A History, A Theory, A Flood

Radical Markets: Uprooting Capitalism and Democracy for a Just Society

參考資料：

https://openai.com/blog/learning-day/

— 完 —