OpenAI前聯合創始人、Thinking Machines首席科學家John Schulman在近期訪談中提出，若早期團隊充分意識到規模擴展的回報率，ChatGPT的誕生時間可能大幅提前。他以2018-2019年為時間節點分析，認為僅需數位頂尖研究人員投入一年左右，即可構建出接近GPT-3.5水平的系統。這一判斷基于當前工程優化經驗的逆向推導，例如通過更高效的微調策略與數據構造技術，可顯著提升模型有效算力利用率。
作為強化學習領域權威專家，Schulman的學術履歷印證了其技術洞察力。他在博士期間師從強化學習先驅Pieter Abbeel，主導開發的PPO算法至今仍是ChatGPT核心技術RLHF的基礎組件。2024年其職業軌跡出現轉折，在短暫加盟Anthropic后，轉而擔任Thinking Machines首席科學家，該機構由OpenAI前CTO Mira Murati創立，致力于探索新型研究范式。
回顧OpenAI發展初期，Schulman將其描述為"學術草臺班子"：2016-2017年的團隊架構呈現顯著非正式特征，研究項目多由個人興趣驅動，研究產出常以論文或博客形式呈現。這種松散模式孕育出重要突破，例如Dota項目通過大規模強化學習實現復雜策略游戲突破，但更多嘗試淪為技術死胡同。典型案例包括早期通用強化學習環境Universe，該平臺因系統臃腫與泛化能力不足最終被放棄，卻為后續研究提供了關鍵經驗。
針對當前AI研究生態，Schulman指出新銳機構面臨結構性挑戰。相較于早期OpenAI的愿景自然涌現模式，現代公司往往陷入"追趕陷阱"——在達到技術前沿前難以開展探索性研究。這種環境可能導致探索文化的缺失，而培養該能力需要從組織創立初期持續投入。他特別強調工程能力的重要性，指出隨著模型規模擴大，研究人員需具備扎實軟件工程基礎，純理論探索的價值相對下降。
在技術路線方面，Schulman預測聯合訓練生成器與驗證器將成為核心方向。這種多智能體博弈框架通過自我強化循環提升系統能力，類似辯論模型的理論機制可能重新獲得重視。對于持續學習難題，他認為上下文學習在短期任務中具有不可替代性，而長期記憶仍需依賴參數更新。離線強化學習被視為潛在突破口，其技術路徑與當前語言模型訓練存在相似性。
關于通用人工智能（AGI）發展時間表，Schulman提出經驗性修正系數。基于工程領域普遍存在的進度低估現象，他認為實際達成時間可能比多數預測延長2-3倍。自動駕駛領域的延遲案例被作為重要佐證，盡管AI的自我加速效應可能改變這一規律，但人類理解瓶頸等未知因素仍構成重大不確定性。這種審慎態度與其早期經歷相關——在AlphaGo等項目影響下，OpenAI始終保持工程嚴謹性與研究前瞻性的平衡。
Thinking Machines最新發布的Tinker平臺體現了這種技術哲學。該微調API通過抽象底層復雜性，為研究者提供類似模型采樣服務的訓練體驗。當前版本主要面向專業用戶，未來計劃通過工具鏈擴展支持多模態訓練與大規模任務。公司計劃明年發布自主訓練模型，同時持續優化Tinker的功能層級，最終實現"業務問題到模型解決方案"的無縫轉化。
