编者按：本文来自微信公众号 新智元（ID：AI_era），创业邦经授权转载。
一大早，全世界都被这个消息震惊了：OpenAI的领导班子动摇了一大片？
根据外媒Information的曝料，首先是OpenAI联创John Schulman官宣离职，转投OpenAI劲敌Anthropic。
此外，另一位联创Greg Brockman（经常出镜那位）正在进行长期休假；而去年才加入的产品负责人Peter Deng也已离职。
根据Observer今年7月的统计，OpenAI的11人创始团队，当时只剩下Sam Altman、Greg Brockman、John Schulman和Wojciech Zaremba四人。
马库斯本人对此点评：OpenAI正在上演一场「权利的游戏」。
OpenAI再失创始元老
刚刚，领导「后训练」团队的AI科学家John Schulman官宣——自己已经做出离开OpenAI的艰难决定。
而现在，他正式入职劲敌Anthropic，专注于AI对齐研究，扎入实际的技术工作。
Schulman在长文中表示，自己并不是因为OpenAI缺乏对对齐研究的支持，才做出离职的决定。
离开OpenAI的选择，是因为自己更加希望专注于AI对齐研究，希望能够重新从实际技术工作，开始自己职业生涯新篇章。
接下来，我决定在Anthropic实现这一目标，在这里我相信可以获得新的视角，并与对自己最感兴趣的话题有深入研究的人一起工作。
需要明确的是，我并不是因为OpenAI缺乏对对齐研究的支持而离开。相反，公司领导在这个领域投入了很多精力。我的决定是个人的，基于我在职业生涯下一阶段中希望如何集中精力。
我感谢Sam和Greg在最初招募我，以及Mira和Bob对我的信任，带来了很多机会，并帮助我成功应对了各种挑战。我为我们在OpenAI共同取得的成就感到自豪：建立了一家具有公共利益使命的独特且前所未有的公司。
我相信OpenAI以及我曾参与的团队在没有我的情况下仍会继续繁荣发展。后训练由一支拥有出色人才的团队负责。
我在ChatGPT上得到了过多的赞誉——Barret在将团队建设成现在这样高效运作上做了出色的工作，还有Liam、Luke和其他人。我很高兴看到对齐团队正在一些有前途的项目上逐步成型。在Mia、Boaz等人的领导下，我相信这个团队非常有能力。
我非常感激能够参与到这样一个重要的历史阶段，并为我们共同取得的成就感到自豪。即使在其他地方工作，我仍会为你们加油。
几个月前，OpenAI超级对齐团队负责人Jan Leike也加盟了Anthropic。Jan Leike激动地表示，「又能在一起工作了」！
Sam Altman发文对Schulman在OpenAI期间做出的贡献表示了感谢。
你是一位杰出的研究者，对产品和社会有着深刻见解，最重要的是，你是我们所有人的挚友。我们会非常怀念你，会继续努力让你为OpenAI感到自豪。
（2015年，我第一次在伯克利一家咖啡馆见到了Schulman。他大概说了这么一句话：「一方面，现在谈论AGI似乎很荒谬，但另一方面，我认为这是非常合理的，这里是为什么以及为什么我认为谈论它很重要」，然后他的阐述了构成了OpenAI初始战略的重要部分。这大约花了15分钟，然后我们又尬聊了45分钟。）
OpenAI研究副总裁Bob MacGrew几乎在第一时间回复了Schulman的推特，对他的离职表示惋惜。
还有已经离职OpenAI的研究员，对Schulman未来研究感到兴奋。
网友们也纷纷在评论中玩起了梗。
ChatGPT架构师，PPO一作
Schulman与OpenAI的结缘，是在研究生学业完成后，以创始人身份正式加入OpenAI。
至今，他已在OpenAI供职9年。值得一提的是，这是Schulman除实习之外，唯一工作的公司。
之前，他负责的是对齐团队，随后他开始主要领导「后训练」团队，对部署在ChatGPT和OpenAI API中的模型进行微调。
John Schulman本科在加州理工学院学习物理学，之后到加州大学伯克利分校攻读神经科学方向的博士。
当时，他对人工智能也有点兴趣，但在其中并没有看到类似神经科学的可遵循的道路。
直到参与伯克利的实验室轮换项目时，他与Pieter Abbeel共同进行了直升机和机器人方面的工作，由此决定转到EECS（电子工程和计算机科学）。
Schulman与OpenAI结缘已久。作为ChatGPT架构师，早在2015年还在读博士学位时，他就加入OpenAI成为联合创始人之一。
在一次采访中，Schulman解释了自己加入OpenAI的原因：
「我想做人工智能方面的研究，我认为OpenAI这家公司的使命雄心勃勃，并且致力打造通用人工智能。」
「尽管，在当时谈论AGI似乎有些疯狂，但我认为开始考虑它是合理的，我希望在一个地方谈论AGI是可以接受的。」
另外，据Schulman透露，OpenAI将人类反馈强化学习（RLHF）引入ChatGPT的想法可以追溯到2017年，当时Jan Leike和Dario Amodei等人发表的一篇论文提到了这个方法。
论文地址：https://arxiv.org/abs/1706.03741
此外，2017年，Schulman在OpenAI任职期间也和团队首次提出了近端策略优化（PPO）算法，其变体PPO-Clip成为了OpenAI使用的主要算法。
论文地址：https://arxiv.org/abs/1707.06347
OpenAI安全团队之所以致力于这项工作，是因为想让模型符合人类的偏好，真正倾听人类意见，并试图做人类想做的事情。
在GPT-3完成训练时，Schulman看到了整个研究方向的潜力并决定加入这股潮流，
在很多次采访中，Schulman都表达了对于人工智能下一前沿领域的看法：AI在更艰难的任务上不断进步的同时，人类应该做些什么？在哪些任务中，人类可以在大模型帮助下有更大影响力，做更多的工作。
此外，指路Schulman在个人博客上发布的机器学习研究指南，最初是在2017年为OpenAI研究员计划编写的。干货满满，值得一观。
参考资料：
https://x.com/johnschulman2/status/1820610863499509855
本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。
