Как устроены стажировки OpenAI: Fellows и Interns 2019

В 2019 году OpenAI набирала людей в исследования двумя параллельными путями. Fellows — программа для тех, кто хочет сменить специализацию и войти в машинное обучение из смежной области. Interns — классическая летняя стажировка для студентов и аспирантов, уже погружённых в ML. Разница между ними не косметическая: это разные требования на входе, разный горизонт и разный тип задач. Ниже — что известно о структуре этих программ и как читать подобные предложения, если вы сами планируете подаваться на исследовательские позиции в ИИ-лаборатории.

Две программы, две логики отбора

OpenAI Fellows задумывалась как мост для людей с сильным техническим бэкграундом, но без формального опыта в глубоком обучении. Типичный кандидат — физик, математик, инженер или разработчик, который уверенно программирует и разбирается в математике, но не публиковался в ML. Программа давала таким людям структурированный вход: наставника из числа исследователей и полноценный проект, а не учебные упражнения.

Interns — другой профиль. Летняя стажировка ориентирована на тех, кто уже находится внутри академического или индустриального ML-контекста: студентов PhD, магистрантов, иногда сильных бакалавров с публикациями или заметными проектами. От интерна ожидали, что базовые вещи объяснять не придётся, и задача будет исследовательской с первого дня.

Fellows отвечает на вопрос «как войти в область», Interns — на вопрос «как поработать в области, в которой вы уже находитесь». Путать их при подаче — частая и дорогая ошибка.

Что было общего

Обе программы вели к одному и тому же: работе над реальными исследовательскими задачами под руководством сотрудников OpenAI, с шансом на соавторство в публикации и на дальнейший оффер. И там, и там ключевую роль играл ментор — исследователь, который задавал направление и разбирал результаты. Обе программы были оплачиваемыми и проходили в офисе в Сан-Франциско.

Чем Fellows и Interns отличались на практике

Если свести различия к таблице, картина становится нагляднее. Точные цифры по стипендиям и длительности OpenAI меняла от набора к набору, поэтому конкретные суммы и сроки стоит сверять с архивной версией страницы программы, а не считать вечными.

Почему это до сих пор полезный ориентир

Формат «fellowship для переходящих + стажировка для своих» с тех пор скопировали многие лаборатории. Понимание этой развилки помогает не тратить время впустую. Если вы бэкенд-разработчик с сильной линейной алгеброй, но без единой строчки в arXiv, подаваться на интерн-позицию с требованием публикаций почти бессмысленно — вас отсеют на первом же экране. И наоборот: аспирант с двумя статьями на NeurIPS, подающийся на программу «для входа в область», выглядит странно.

Как читать требования к исследовательской стажировке

1. Смотрите на входной барьер по ML. Фраза «опыт в глубоком обучении обязателен» и фраза «мы поможем вам войти в область» — это два разных мира.
2. Оцените роль ментора. Если менторство описано как обучение, программа рассчитана на новичков в теме. Если как научное руководство — на тех, кто уже умеет.
3. Проверьте ожидаемый результат. Публикация, прототип, продакшн-код — по этому видно, чего от вас реально хотят.
4. Уточните формат и оплату. Очно или удалённо, полный день или частичная занятость, стипендия или зарплата — эти детали в архивных объявлениях часто устаревают.

Что подготовить перед подачей

Независимо от того, метите вы в fellowship-трек или в интернатуру, отбор в исследовательскую команду строится вокруг доказательств, а не намерений.

• Публичный код. Репозиторий с реализацией статьи или собственным проектом весит больше, чем строчка в резюме.
• Понимание современных работ. Умение прочитать препринт^* и внятно пересказать его идею — базовый навык на собеседовании.
• Математическая база. Линейная алгебра, вероятность, оптимизация — без них исследовательская работа не идёт.
• Один доведённый проект. Лучше один завершённый эксперимент с выводами, чем пять брошенных.

^* Препринт — научная работа, выложенная в открытый доступ (обычно на arXiv) до формального рецензирования и публикации в журнале или на конференции.

Программы 2019 года давно закрыты в том виде, в каком существовали, и текущие возможности OpenAI устроены иначе. Но развилка «вход в область против работы внутри области» осталась. Прежде чем отправлять заявку, честно определите, на какой вы стороне этой развилки — от этого зависит и выбор программы, и то, что вы будете доказывать на собеседовании.