Como atual VP de Produto da OpenAI, Peter comanda os esforços de comercialização e produtos da empresa. Antes disso, ele desempenhou um papel essential na pesquisa e desenvolvimento de um dos produtos mais conhecidos da OpenAI: GPT-3 API.
Mas, apesar de ser um membro fundador da equipe de Pesquisa em Robótica da OpenAI, Peter realmente tinha reservas em relação à robótica. Ele sentia que seus procedimentos padrões eram muito lentos ou muito desajeitados para atender com eficiência às demandas do mundo actual.
O que fez ele mudar de ideia?
Seus esforços acadêmicos
Só para registrar, Peter sempre se interessou por aprendizado de máquina e inteligência synthetic.
Sua curiosidade foi despertada no ensino médio, quando ele leu um livro sobre IA. Essa faísca inicial o encorajou a continuar explorando disciplinas semelhantes, eventualmente levando a um diploma de graduação em física. Ele então se voltou para a neurociência no Instituto de Tecnologia da Califórnia, acreditando que essa period uma abordagem prática para perseguir sua paixão.
O argumento period sensato, mas não period para ser.
Micro-implantes para ratos
A experiência mais vívida de Peter em neurociência envolveu ficar sentado por horas em um porão, construindo microimplantes destinados a serem inseridos em cérebros de ratos.
Embora essa cena certamente não fosse inadequada em uma série de televisão de ficção científica nerd, Peter enjoou dela em menos de um ano. O processo, ele disse, foi solitário. Os microimplantes levaram três meses para serem construídos. Então veio a cirurgia actual necessária para inserir o implante no rato.
E se, em algum momento do projeto, ocorresse um erro, voltava-se à estaca zero.
Eventualmente, Peter percebeu que a neurociência não period a carreira para ele. Ele sentiu que se continuasse nesse caminho, levaria uma eternidade para chegar à pós-graduação. Além disso, ele queria se concentrar mais em robótica. Então ele mudou para obter um PhD em Computação e Sistemas Neurais.
Um problema semelhante
Infelizmente, a robótica teve um problema semelhante. Demorou muito para produzir resultados úteis e utilizáveis. O processo de projetar o robô, construir o robô e, então, eventualmente programar o robô para garantir que funcionasse como pretendido foi, como Peter coloca, provavelmente três quartos de seu PhD. Isso sem incluir os experimentos que eles teriam que executar no closing também.
Então ele adotou uma abordagem mais específica e especializada dessa vez. Ele decidiu escolher apenas um aspecto do processo e ver aonde isso o levaria.
Isso permitiu que ele se concentrasse na visão computacional, um processo que daria um impulso inicial ao seu trabalho (e avanços subsequentes) com organização de imagens e OCR, ou Reconhecimento Óptico de Caracteres.
Animais e laboratórios de anchovas
O trabalho de Peter com visão computacional e mecanismos de OCR o inspirou a criar sua própria startup, a Anchovi Labs. O principal produto deles period um aplicativo que rastreava imagens de animais usando visão computacional.
Period, para a época, um conceito inovador. Mas também não period viável. Os custos eram muito altos, a demanda period muito baixa e simplesmente não havia interesse de mercado suficiente para recuperar recursos.
Mas ele não se deixou intimidar. Peter e sua equipe mudaram seu foco para criar um aplicativo que usava visão computacional (ainda!) para organizar imagens de forma independente. Isso O empreendimento chamou a atenção e mais tarde foi adquirido pela Dropbox, uma das maiores provedoras de serviços de hospedagem de arquivos e armazenamento em nuvem do mundo.
Como seu criador, Peter seguiu o exemplo.
Lidando com a matéria escura do Dropbox
Quando Peter entrou no Dropbox em 2012, um dos maiores desafios que ele enfrentou foi lidar com o grande quantity de imagens armazenadas no servidor. Havia tantas fotos (bilhões, ele lembra) ocupando tanto espaço.
E não serviam para absolutamente ninguém.
Elas eram, de acordo com Peter, basicamente como matéria escura. E ele estava determinado a fazer algo sobre elas. Então ele começou de forma simples; indexando as fotos para que os usuários pudessem filtrá-las por dados gerais como knowledge ou native.
Depois que os arquivos foram organizados, ele se concentrou em ajudar os usuários a extrair informações deles.
Esse recurso period mais útil para documentos comerciais. Em vez de digitalizar os documentos em questão, a maioria dos usuários do Dropbox tirava fotos deles – para preservá-los, para ter sua própria cópia, para ter um backup digital, and so forth. Mas como as imagens não são arquivos de texto editáveis, organizá-las e recuperar dados delas period difícil.
Então Peter e sua equipe criaram um programa que permitia aos usuários recuperar apenas imagens de documentos de texto (fotos pessoais, fotos de família, esboços e similares) não ser trazido para cima). Então, este mesmo programa extrairia os dados da imagem usando OCR.
Mas em vez de depender de mecanismos de OCR existentes, eles decidiram construir os seus próprios do zero usando algoritmos de aprendizado profundo. Eles criaram benchmarks com base nos melhores sistemas de OCR da época, como Google e ABBYY.
“Em três meses, superamos todos os benchmarks de conjuntos de dados públicos”, disse Peter em entrevista ao Pesos e Vieses. “Isso foi simplesmente alucinante para mim. É o materials que levaria muito mais tempo (para construir) antes.”
Sobre robôs e OpenAI
Em 2014, Peter fundou a Machine Studying Workforce do Dropbox. Eles trabalharam com outros departamentos da empresa para “identificar, desenvolver e enviar soluções de machine studying” para que pudessem melhorar e/ou otimizar produtos existentes.
Ele deixou o Dropbox dois anos depois para se tornar um membro fundador do Robotics Analysis Effort na OpenAI.
O interesse de Peter em robótica nunca realmente desapareceu. Ele simplesmente a deixou de lado em favor de sistemas e processos que não levassem tanto tempo e não fossem tão desajeitados. Seu sucesso em visão computacional validou essa decisão também.
Mas quando a equipe da OpenAI começou a considerar o potencial da IA e da AGI (inteligência geral synthetic), o interesse de Peter foi reacendido. Ele viu isso como uma oportunidade de se concentrar na resolução de problemas em vez de publicar. As pessoas estavam obtendo resultados com aprendizado profundo e aprendizado por reforço profundo, então ele voltou sua atenção para lá. E ele percebeu brand que essa period uma resposta prática e promissora para seu problema de robótica.
Projetos e carreira atual de Peter
Como Analysis Lead na OpenAI, Peter teve a oportunidade de trabalhar em muitos projetos de robótica. Alguns dos mais notáveis incluem:
- Treinando uma mão robótica para resolver um cubo mágico
- Aprendizagem de imitação de robôs (onde seu robô finalmente conseguiu derrotar o campeão mundial de Dota 2)
- Backend de renderização remota OpenAI
- Destreza de aprendizagem
Depois disso, ele se tornou o Product, Engineering & Analysis Lead para os estágios iniciais de desenvolvimento da OpenAI GPT-3 API. Ele estava na ativa o tempo todo, liderando sua equipe pelo processo exaustivo de criar algo que literalmente nunca tinha sido feito antes.
Felizmente, Peter tem habilidades fantásticas de liderança e pensamento crítico.
Ele reconheceu que a OpenAI tinha metas ambiciosas. Mas ele também acreditava que “grandes coisas” poderiam ser alcançadas com esforço de equipe suficiente. Então, em vez de temperar essas metas com a realidade, ele aceitou o desafio.
E deveríamos ser gratos por ele ter feito isso. Caso contrário, quem sabe o que teria acontecido com o ChatGPT.
A história de Peter está longe de terminar, mas já serve como incentivo e inspiração para alunos que compartilham sua paixão. Sua jornada é a prova de que você não precisa acertar na primeira (ou segunda, ou até terceira!) vez. Com paciência e perseverança suficientes, você acabará no caminho que sempre foi destinado a seguir.
