当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 解读 ChatGPT 背后的研究力量:90 后成主力军,大厂不再是顶尖 AI 人才第一选择

解读 ChatGPT 背后的研究力量:90 后成主力军,大厂不再是顶尖 AI 人才第一选择

来源:51CTO.COM 2023-04-24 05:47:00 0浏览 收藏

积累知识,胜过积蓄金银!毕竟在##column_title##开发的过程中,会遇到各种各样的问题,往往都是一些细节知识点还没有掌握好而导致的,因此基础知识点的积累是很重要的。下面本文《解读 ChatGPT 背后的研究力量:90 后成主力军,大厂不再是顶尖 AI 人才第一选择》,就带大家讲解一下知识点,若是你对本文感兴趣,或者是想搞懂其中某个知识点,就请你继续往下看吧~

ChatGPT 的火爆,不仅为 OpenAI 带来资本的关注、用户的青睐,在关于“OpenAI 为何能做出 ChatGPT”的讨论中,其人员优势也成为外界瞩目的焦点。

近日,智谱研究联合 AMiner 发布了一份 OpenAI 背后研究团队的统计报告。据报告显示,本次在 ChatGPT 项目中做出贡献的人员共87人,其中包括了“年纪很轻”、“背景豪华”、“聚焦技术”、“积累深厚”、“崇尚创业”和“华人抢眼”等显著特征。

图片

报告链接:https://mp.weixin.qq.com/s/Y_LjjsuoEEmhIg5WO_iQhA

在这样一个不足百人团队中,诞生了现象级的大型语言模型 ChatGPT,这对谷歌、微软、百度、阿里等大厂而言都是不小的压力,纷纷紧随其后,发布、或预发布类 ChatGPT 产品。

作为一家非盈利的人工智能研究机构,一直以来,OpenAI 都被诸多有志于发展 AI 事业的青年人才视为技术天堂。在这里,他们可以直接参与最前沿、最具创造力的 AI 项目, 调用最核心的科研资源,心无旁骛地投身到技术创新中。

而近年来,边缘化、举棋不定使国内大厂中的 AI 研究院和科研人才面临着生存难题,但相信在这次 ChatGPT 的冲击下,AI 人才重新回归大众视野,也将迎来新一轮的争夺和洗牌。

1

技术人员占比近九成

90后是主力军

从 ChatGPT 团队职位分工(图1)来看, 在参与此次项目的87人中,研发人员的数量就达到了77位,占比88%,其中包括了公司联合创始人 Wojciech Zaremba,他在此前被评选为 2023 年度 AI 2000 机器人领域最具影响力学者。

产品人员共4位、占比5%,此外还有6位参与者的职位信息无法获取。

图片

图 1:ChatGPT 团队职位分工

在成员年龄分布(图2)方面,90后是团队的主力军,其中,年龄区间在20-29岁的共28位,占比达到34%;30-39岁的成员数量最多,共50人,占比高达61%;此外,有3人年龄段在40-49岁区间,60岁以上仅1名。

经统计,这支研究团队的平均年龄为32岁。

图片

图 2:ChatGPT 团队年龄分布

“年纪很强”和“聚焦技术”是 ChatGPT 团队成员的两大显著特征。

虽然平均年龄仅在32岁,但团队人员高度聚焦技术研发,基于他们对 AI 创新和研发极大的兴趣和全身心投入,创造出这个引爆全球新一轮技术的现象级模型。由此可见,被认为研发经验不足的年轻人,完全有可能在前沿科技领域取得重大突破。

当前,国内并不缺乏如 OpenAI 一样的年轻优秀人才。

ChatGPT 问世之后,IDEA 研究院讲席科学家张家兴在去年底就迅速讲团队的大模型研发转向了 ChatGPT 的对话任务路线。

据其透露,其团队中的研究主力也皆为90后优秀的年轻人才。当前,他们研发的类 ChatGPT 模型效果与 ChatGPT 相当,且仅有50亿参数,文本生成速度也很快,目前已在内测中,近期将公测。

2

名校学历、华人占9位

大厂不再是顶尖人才第一选择

ChatGPT 团队成员的学历在本、硕、博的人数相对均衡,其中,27人具有本科学历,25人为硕士研究生学历,28人拥有博士研究生学历,占比分别为33%、30%、37%。

他们当中来自斯坦福大学的校友人数最多,共有14位,其次是加州大学伯克利分校10位,麻省理工排名第三,有7人。

图片

图 3:ChatGPT 团队成员毕业高校人数Top10

华人学者是团队中一支重要的科技创新力量,共9人,占比近10%。

其中,有5人曾毕业于中国高校,3人本科毕业于清华大学,分别是翁家翌、赵盛佳、袁启明,当前他们在团队中担任研发工程师的岗位;各有1人本科毕业于华中科技大学、北京大学/香港大学,分别是江旭和翁丽莲。

他们都是在国内顶尖院校毕业后赴美深造,获得硕士或博士学位。

图片

图片

图 4:ChatGPT 团队中的华人成员

从人员流动中可看到,大厂也不再是顶尖人才第一选择,如 OpenAI 这种更纯粹的研究机构反而更受他们青睐。

团队成员当中,共有5位被评为 2023 年度 AI 2000 全球人工智能学者。他们分别是:

1.OpenAI 联合创始人 Wojciech Zaremba(入选领域及名次:机器人,第10名)

2.ChatGPT 研究员 Lukasz Kaiser(入选领域及名次:机器学习,第10名)

3.OpenAI 联合创始人、ChatGPT 研究科学家 John Schulman(入选领域及名次:机器学习,第41名)

4.ChatGPT 研发工程师 Tomer Kaftan(入选领域及名次:数据库,第52名)

5.ChatGPT 研究科学家 Barret Zoph(入选领域及名次:机器学习,第95名)

来自外部公司、高校应届毕业生、科研机构和高校教职人员的占比分别是81%、13%、4%和3%,其中大多来自于谷歌、微软、Meta、英特尔、英伟达、苹果等顶尖或知名的科技公司,共10人就是从谷歌跳槽加入的,1人曾在百度任职过。

图片

图 5:ChatGPT 团队成员流动情况

统计还发现,与 ChatGPT 有关的前七项技术项目研发中,ChatGPT 团队有较多人都曾参与到其研发中。

参与人数最多的是 CodeX 项目,共22人参与,占团队人数的25%;其次是 webGPT 和 instructGPT,共有9人参与;GPT3 共有6人参与过,排名第三;排名第四的是 RLHF,有3人参与过。

图片

图 6:ChatGPT 团队参与此前七大技术研发人数

可以说,ChatGPT 是 OpenAI 在大型语言模型领域多年技术积累、顶尖人才领导和优秀 AI 技术人员聚集的结果,为 ChatGPT 的成功研发打下了坚实基础。

3

AI 人才迎来争夺战

事实上,过去几年里,AI 研究院和 AI 人才在大厂内部长期面临着边缘化、战略摇摆的困境,正如上述提到的谷歌,就已有不少人才流向 OpenAI 这样纯粹的科研圣地。

大厂内部的 AI 人员在企业的组织架构模式内,往往难以发挥其本该有的能力和成果。

但与传统的科技巨头不同,如果 OpenAI 等此类以“发展人工智能”为己任的公司中,AI 的研发和创新才是它们的使命所在,即近距离地参与到最前沿的 AI 项目中,调用最核心的资源做研发,背后更要能承受住长久不出成果的责任。其中 GPT 模型仅首发到完成训练,就长达三年时间,需要团队的一整套资金、技术和人才等体系化保障。

ChatGPT 的出现,将 AI 人才重新拉回了大众视野,重申纯粹科学研究的重要性,势必将掀起一轮新的人才争夺战。同时,也会提高大厂对大模型、计算资源等基础设施的重视,加快底层技术能力的追赶和补齐。

正如前搜狗 CEO 王小川在微博中所说,“OpenAI的成功,首先是技术理想主义的胜利。”ChatGPT 的成功,必然离不开产、学、研合力,其背后是团队成员对人工智能技术的兴趣和予以坚持的信仰。国内并不乏顶尖的科研力量,将目光投注前沿技术创新,稳扎稳打,对促进中国 AI 创新发展具有重要意义。

到这里,我们也就讲完了《解读 ChatGPT 背后的研究力量:90 后成主力军,大厂不再是顶尖 AI 人才第一选择》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于技术,研究的知识点!

版本声明
本文转载于:51CTO.COM 如有侵犯,请联系study_golang@163.com删除
IDC: 全球2022年人工智能支出将达到4500亿美元IDC: 全球2022年人工智能支出将达到4500亿美元
上一篇
IDC: 全球2022年人工智能支出将达到4500亿美元
传OpenAI秘密雇佣多位前谷歌AI研究人员,帮助改进ChatGPT
下一篇
传OpenAI秘密雇佣多位前谷歌AI研究人员,帮助改进ChatGPT
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    415次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    496次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    503次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    449次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    281次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码