Alec Radford是OpenAI的一名机器学习研究员，被广泛认为是现代生成式AI领域技术影响力最大但公众曝光度最低的人物之一。他是介绍OpenAI原始生成式预训练方法及其2019年后续版本论文的第一作者，后来他还领导或共同领导了该实验室两个被广泛复用的开源模型项目。
GPT与GPT-2
Radford是《通过生成式预训练提高语言理解》（2018年）的第一作者，该论文引入了后来被称为GPT的方法，确立了在大规模文本语料库上进行无监督预训练、随后进行任务特定微调的范式。他还是2019年关于GPT-2的后续论文的第一作者，该论文证明，一个足够大的自回归模型仅通过预测下一个词元进行训练，就能在完全没有任务特定训练数据的情况下执行许多语言任务，这一结果对“无监督多任务学习器”的框架至关重要，该框架塑造了后来关于大型语言模型（如GPT-3）的研究。
CLIP
2021年，Radford是CLIP（对比语言-图像预训练）的主要作者之一，该模型通过在大规模网络抓取数据集上使用对比目标，训练以关联图像与文本描述。CLIP成为随后文本到图像热潮的基础组件，因为其图像-文本嵌入被用于引导包括早期版本DALL-E在内的系统生成，并在文本到图像研究社区中被广泛采用。
Whisper
Radford还是Whisper（2022年）的第一作者，这是一个开放源码的自动语音识别模型，基于大量弱监督的多语言音频进行训练。Whisper发布时公开了其权重，并成为部署最广泛的开放转录系统之一，被用于OpenAI本身之外的众多产品中。
个人形象与影响
与OpenAI的一些同事（如Ilya Sutskever或Sam Altman）不同，Radford尽管是领域内被引用最多的几篇论文的第一作者，却保持着相对低调的公众和媒体形象。同事和外部研究人员多次指出，他的GPT-2和CLIP工作具有关键意义，表明规模与自监督目标，而非日益专门化的架构，才是该领域更有成效的方向，这一论点后来在同事（包括Jared Kaplan）关于缩放定律的研究中被正式化。