当前位置:AIGC资讯 > AIGC > 正文

GPT-4o 17人Omni金牌团队首揭秘!清北上交中科大6位华人领衔

几天前的发布会上,OpenAI再次向全世界证明,它永远走在AI领域的最前沿。

眼看着《Her》中的Samantha在自己眼前成真,那一刻,全世界为之振奋。

就在刚刚,GPT-4o的关键团队信息,也被公布了出来。

就是这个名为「omni」的团队,发挥出了不可思议的潜力,让OpenAI的首个原生全多模态模型成为可能。

Sam Altman盛赞,如果没有团队负责人Prafulla Dhariwal长期以来的远见、才智、信念和决心,就没有GPT-4o。而整个团队的努力,才使得他所期待的人机交互革命成为现实。

OpenAI联创Greg Brockman,也表扬了这位肩负着整个团队使命的负责人。

多亏了Prafulla Dhariwal「建立全能大模型」的信念,并且在过去的18个月中联合了OpenAI的许多团队,在多个团队的通力合作下,GPT-4o才得以诞生。

GPT-4o可以识别不同的声音

根据负责人的说法,其实OpenAI早就有意打造这样一个Omni大模型了。

然而一年多之前,团队曾经做过多次多模态的尝试,却没有一次能让最大的GPT成功地完成多模态运行。

幸运的是,团队成员齐心协力,用出色的能力攻克了种种能力,使GPT-4o成为可能。

网友锐评:「你们确实处于创新的前沿,执行水平达到了大型科技巨头梦寐以求的水平。」

而如此惊艳的演示,竟然是一个不到20人的小团队打造出来的。

Omni团队揭秘

接下来,一起看看打造OpenAI首个原生多模态GPT-4o背后团队成员,都有谁?

负责人Prafulla Dhariwal

领导GPT-4o开发的负责人Prafulla Dhariwal,是一位印度小哥。

他于2017年获得了麻省理工学院的计算机科学学士学位。

毕业前夕,Dhariwal就加入了OpenAI(那时OpenAI仅成立一年),并在17年正式成为研究科学家。

至今,Dhariwal任职OpenAI7年,可以说,他见证了这家初创公司的成长全过程。

在此期间,Dhariwal参与了诸多重磅的研究。

根据LinkedIn个人主页,他将发表论文的领域分类为生成式模型、无监督学习、Scaling Law、定理证明、强化学习、量子复杂性。

其中包括DALL·E3、DALL·E2,模型一致性等,还共同提出了著名的「Scaling Law」。

值得一提的是,Dhariwal曾在高中期间参加了几次国际奥林匹克竞赛。

他是2012年IMO竞赛的金牌得主,也是IAO(国际天文学奥林匹克竞赛)、IPhO(国际物理奥林匹克)的金牌获得者。

有网友称,Prafulla Dhariwal从高中起就是我的灵感来源。他当年为印度赢得了IAO、IPhO和IMO的金牌,并在OpenAI大学毕业后从事非常酷的VAE、Gans、DDPM、一致性模型等项目。

6位华人

Li Jing

Li Jing在团队中发挥的作用是,让大家拥有令人惊叹的图像/3D生成。

此前,他为Dall-E3、Sora、GPT-4o都做出过贡献。

他曾在Meta做过2年的博后研究员,随后进入OpenAI成为全职研究员。

虽然才入职OpenAI不到两年,但他已参与过多个OpenAI的重磅研究了。

他在北京大学获得物理学学士学位,在MIT获得物理学博士学位。

Casey Chu

Casey Chu是团队的老员工了。

他从2020年4月就入职了OpenAI,如今已经是4年的「元老」了。

他本科在哈维·穆德学院获得数学学士学位,在斯坦福大学获得计算数学硕士学位。

Mark Chen

Mark Chen是OpenAI的前沿研究主管,并且还是美国IOI队的教练。

在团队漫长的研究中,Mark Chen是大家奋斗的支柱。

他已是OpenAI五年多的老员工。此前曾在微软、Trading实习,在哈佛做访问学者,在量化研究工作过5年,并且成为合伙人。

他毕业于MIT数学-计算机专业。

Jiahui Yu

Jiahui Yu负责带领OpenAI的感知团队。

此前,他曾担任Google Brain和Google DeepMind的高级研究科学家和经理。

他的研究领域包括序列建模(语言、语音、视频、金融数据)、计算机视觉、生成模型和高性能计算。

在研究生期间,他在微软亚研院、旷视科技、Adobe Research、Snap Research、Jump Trading、百度研究院、Nvidia Research和Google Brain都有过实习经历。

他本科毕业于中国科技大学少年班,获得计算机学士学位。博士毕业于伊利诺伊大学香槟分校。

Huiwen Chang

Huiwen Chang在OpenAI已经工作一年。

此前她曾在谷歌工作过5年,在微软亚研院、Adobe、Facebook有过实习经历。

她在清华大学计算机科学实验班(姚班)取得学士学位,然后在普林斯顿大学取得博士学位。

Yu Zhang

他在OpenAI工作了8个月。他此前曾在谷歌DeepMind工作过6年,还在微软亚研院、微软实习过。

他本科在上海交通大学取得计算机学士学位,在MIT取得博士学位。

其他关键成员

James Betker

James Betker在这个团队中负责得非常全面,应有尽有,包括图像、音频、数据、集成、后训练(post-training)。

这是从谷歌跳槽至OpenAI的大咖。

在加入OpenAI之前,Betker曾在谷歌担任了3年的软件工程师。

此外,他还在2011年加入了Garmin International,现任职高级软件工程师。

上下滑动查看

他曾获得了UCSB的计算机科学学士学位,与此同时,在2005-2009年期间,还是在学校担任4年的软件工程师。

Jamie Kiros

Jamie Kiros让GPT-4获得当前最佳的视觉感知能力,做出了非凡的成绩。

此前,他曾在谷歌工作过3年。

他在多伦多大学取得计算机博士学位。

Rowan Zellers

Rowan Zellers在Omni团队中的贡献是,让OpenAI可以像人一样自然地看到视频。

毕业后,他加入了艾伦人工智能研究所(AI2)成为研究实习生。

2022年6月,成为OpenAI的一名技术人员。

Zellers曾获得了哈维·穆德学院(Harvey Mudd College)的数学和计算机科学的学士学位,以及华盛顿大学计算机科学博士学位。

Alexis Conneau

在加入OpenAI之前,Alexis Conneau就已经提出了「Her」(视觉模型)的理念,并且坚持不懈地执行并实现了它。

目前,Conneau是OpenAI的语音AGI负责人。

进入他的个人主页,就知道Conneau对Her有多么痴迷了。

Conneau在加入OpenAI之前,曾在Meta、谷歌担任过研究科学家,有着9年的自然语言深度学习的经验。

上下滑动查看

华盛顿邮报曾对Conneau进行了个人专题报道——

在Meta期间,Conneau团队推进了机器学识算法,将语言用数字抽象形式表现的能力,最终训出能够处理同步语言的AI。

比如XLM-R模型可以处理100+语言,其准确性几乎与单一语言模型一致。

Conneau在Meta做的最后一项工作是Wave2vec-U。这是一种无人监督的语音识别系统,可以从音频中读取单词。

此外,他还发明了一种算法XLm-Roberta,能够阅读各种语言的海量数据。这项研究也成为他被引最高的成果。

他曾获得了Facebook AI Research的计算机科学博士学位,在巴黎-萨克雷高等师范学校获得了机器学习硕士学位,以及巴黎综合理工学院获得了数学硕士学位。

Gabriel Goh

Gabriel Goh和接下来要介绍的Ishaan Gulrajani,在团队中主要贡献是,提出了一系列相关的「Scaling Law」的工作。

这样当所有这些模态(视觉、语音等)汇集在一起时,模型便可以擅长处理一切事物!

Gabriel Goh也是OpenAI5年多的老员工,此前曾在苹果工作1年半。

他在英属哥伦比亚大学取得硕士学位,在加州大学戴维斯分校取得了数学专业博士学位。

CBC曾报道过Gabriel Goh到OpenAI后,在2021年设计的CLIP系统。

他参与的这项研究,揭示了CLIP无法正确识别图像,会把放着iPod字样的苹果识别为iPod。

Ishaan Gulrajani

Ishaan Gulrajani目前是OpenAI的研究员。

根据OpenReview的介绍,他曾在谷歌和Meta工作过。并在MIT获得学士学位,以及在斯坦福大学获得博士学位。

Alex Nichol

Alex Nichol在团队中主攻3D图像生成,也是DALL·E2的共同发明者。

此前,他一直是一位自由职业者。

随后,在2107年加入了OpenAI任技术研究员,中间还离职有近一年时间,并在2020年5月再次入职。

比如,在GPT-4o官方报博客中的演示,它可以生成一致的试图,重建复杂3D模型。

这些所展示出的成果,离不开Nichol的贡献。

Heewoo Jun

与Nichol一样,Heewoo Jun在团队中也在负责图像、3D生成。

根据OpenReview介绍,他曾在2015-2019年间在百度(美国研究院)担任研究员,2019年从百度离职后加入OpenAI担任研究员至今。

他曾获得了斯坦福大学的硕士学位,以及多伦多大学的学士学位。

Christine McLeavey

这位Christine,是一位宝藏研究员。

她在OpenAI已经工作6年。

此前,她曾在Unity从事2D、3D、VR、AR游戏的工作。

还曾做过4年的钢琴演奏艺术家,创办了交响乐、芭蕾、歌剧院管弦乐团的音乐家组织。

她在普林斯顿取得了艺术、物理、和钢琴表演的学士学位。

在毕业后,她在世界顶尖音乐学院——茱莉亚学院进修了两年钢琴。

三年后,她在斯坦福取得了神经科学的硕士学位。

al jabr

最后这位「al jabr」,并没有公布自己的真名,因此资料无从查找。

参与GPT-4o的所有成员

上下滑动查看

网友:下一个方向是什么

在留言区,网友们纷纷表示赞叹——

「团队使这种令人难以置信的突破性体验成真,o将彻底重构人机交互的方式。」

「GPT-4o是创新和协作的证明,你们的奉献精神,构造了人工智能进步的灯塔。」

所以,Omni团队的下一步,又会给全世界带来怎样惊人的大作?

更新时间 2024-05-17