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
就在刚刚，奥特曼表扬了GPT-4o关键团队的成员。17位Omni团队成员中，有6人是华人，本科分别来自清华、北大、上交、中科大、MIT等，甚至还有一位是美国IOI队教练。奥特曼大赞：正是你们的努力，让「Her」成为现实。文丨新智元 ID：AI_era
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。<iframe class="video_iframe rich_pages" data-w="1280" data-ratio="1.7777777777777777" data-cover="http://mmbiz.qpic.cn/sz_mmbiz_jpg/UicQ7HgWiaUb15W1W9eeicAI9ZL3JnEf6t74iaQILkpqNxe12tTqoHHicVmJDiaSqcmbqMctpGsOr0ibRFzajRRK1Auxw/0%3Fwx_fmt%3Djpeg" data-mpvid="wxv_3460019573762326535" data-vidtype="2" allowfullscreen="" frameborder="0" style="border-radius: 4px;" src="https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&action=mpvideo&auto=0&vid=wxv_3460019573762326535"></iframe>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。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OpenAI 7年，可以说，他见证了这家初创公司的成长全过程。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·E 3、DALL·E 2，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。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-E 3、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
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。Jiahui Yu（于佳慧）
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。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）。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。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。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。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。华盛顿邮报曾对Conneau进行了个人专题报道——Alexis Conneau曾帮助Meta（Facebook）和谷歌打造了以惊人的精确性理解数十种语言的AI系统。
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OpenAI 5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·E 2的共同发明者。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官方博客中的演示，它可以生成一致的试图，重建复杂3D模型。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
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。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。「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？参考资料：https://twitter.com/sama/status/1790816449180876804?t（首图来源：图虫）
