Chris Olah 是一位机器学习研究员，也是 Anthropic 的联合创始人，以其在神经网络可解释性和深度学习系统机械分析方面的开创性工作而闻名。在 2021 年联合创立 Anthropic 之前，他曾在 Google 的 Google Brain 和 OpenAI 担任研究职务。他的工作对于将可解释性确立为现代 AI 安全中的正式研究方向起到了核心作用。 ^{[1] [4]}

职业生涯

早期职业生涯

Chris Olah 在职业生涯早期就开始从事软件和研究导向的项目。根据其专业记录，他于 2009 年在多伦多大学林业系担任开发人员，为生态建模软件系统做出贡献。 ^[1]

2010 年至 2011 年间，他在加拿大环境部（Environment Canada）和 Xelerance 担任开发人员，从事软件基础设施、数据工具和安全相关系统的工作。他还活跃于 Hacklab.to（一个总部位于多伦多的创客和黑客社区），参与硬件和软件项目以及工程研讨会。 ^[4]

2012 年，Olah 入选蒂尔奖学金（Thiel Fellowship）“20位20岁以下”学者，该奖学金旨在支持追求非传统技术路径的早期技术贡献者。 ^[4]

Google Brain (2014–2018)

Chris Olah 于 2014 年至 2018 年在 Google Brain 工作，担任过实习生、研究助理和研究科学家。在此期间，他为早期深度学习可解释性研究做出了贡献，包括卷积神经网络的可视化方法以及理解模型内部表示的工具。

他的研究帮助将可解释性确立为深度学习领域内的一个结构化领域，使研究不再仅仅将神经网络视为不透明系统，而是开始分析其内部组件和学习到的特征。 ^[4]

OpenAI (2018–2020)

2018 年至 2020 年，Olah 在 OpenAI 担任技术人员和可解释性负责人。他领导了专注于理解神经网络内部机制的研究工作，包括电路式可解释性（circuit-style interpretability）和大型模型中多模态神经元的发现。 ^[2]

他团队的工作为逆向工程神经网络内部如何表示概念做出了早期尝试，成为 OpenAI 内部更广泛的对齐和透明度研究的一部分。 ^[4]

Anthropic (2021–至今)

2021 年 3 月，Olah 联合创立了 Anthropic，并担任可解释性研究负责人。 ^{[4] [5]} 他的工作重点是机械可解释性（mechanistic interpretability），这是一种旨在将神经网络分解为人类可理解的计算电路的研究方法。

在 Anthropic，这一研究方向被定位为 AI 安全的核心支柱，特别是在理解和控制大规模语言模型的行为方面。 ^[4]

AI 治理与公共参与 (2026)

据多家媒体报道，2026 年 Olah 参与了关于 AI 治理的讨论，包括在梵蒂冈举办的 AI 活动上发表演讲，该活动重点关注先进人工智能系统的社会影响。 ^[2]

有关该活动的报道描述了涉及 AI 开发外部监督以及非科技行业利益相关者在塑造前沿 AI 系统中的作用等更广泛的讨论。 ^[2] 在相关采访中，Olah 强调了在开发先进 AI 过程中，大型科技公司之外的指导和监督机制的重要性。 ^[2]