OpenAI前联合创始人、Thinking Machines首席科学家John Schulman在近期访谈中提出，若早期团队充分意识到规模扩展的回报率，ChatGPT的诞生时间可能大幅提前。他以2018-2019年为时间节点分析，认为仅需数位顶尖研究人员投入一年左右，即可构建出接近GPT-3.5水平的系统。这一判断基于当前工程优化经验的逆向推导，例如通过更高效的微调策略与数据构造技术，可显著提升模型有效算力利用率。
作为强化学习领域权威专家，Schulman的学术履历印证了其技术洞察力。他在博士期间师从强化学习先驱Pieter Abbeel，主导开发的PPO算法至今仍是ChatGPT核心技术RLHF的基础组件。2024年其职业轨迹出现转折，在短暂加盟Anthropic后，转而担任Thinking Machines首席科学家，该机构由OpenAI前CTO Mira Murati创立，致力于探索新型研究范式。
回顾OpenAI发展初期，Schulman将其描述为"学术草台班子"：2016-2017年的团队架构呈现显著非正式特征，研究项目多由个人兴趣驱动，研究产出常以论文或博客形式呈现。这种松散模式孕育出重要突破，例如Dota项目通过大规模强化学习实现复杂策略游戏突破，但更多尝试沦为技术死胡同。典型案例包括早期通用强化学习环境Universe，该平台因系统臃肿与泛化能力不足最终被放弃，却为后续研究提供了关键经验。
针对当前AI研究生态，Schulman指出新锐机构面临结构性挑战。相较于早期OpenAI的愿景自然涌现模式，现代公司往往陷入"追赶陷阱"——在达到技术前沿前难以开展探索性研究。这种环境可能导致探索文化的缺失，而培养该能力需要从组织创立初期持续投入。他特别强调工程能力的重要性，指出随着模型规模扩大，研究人员需具备扎实软件工程基础，纯理论探索的价值相对下降。
在技术路线方面，Schulman预测联合训练生成器与验证器将成为核心方向。这种多智能体博弈框架通过自我强化循环提升系统能力，类似辩论模型的理论机制可能重新获得重视。对于持续学习难题，他认为上下文学习在短期任务中具有不可替代性，而长期记忆仍需依赖参数更新。离线强化学习被视为潜在突破口，其技术路径与当前语言模型训练存在相似性。
关于通用人工智能（AGI）发展时间表，Schulman提出经验性修正系数。基于工程领域普遍存在的进度低估现象，他认为实际达成时间可能比多数预测延长2-3倍。自动驾驶领域的延迟案例被作为重要佐证，尽管AI的自我加速效应可能改变这一规律，但人类理解瓶颈等未知因素仍构成重大不确定性。这种审慎态度与其早期经历相关——在AlphaGo等项目影响下，OpenAI始终保持工程严谨性与研究前瞻性的平衡。
Thinking Machines最新发布的Tinker平台体现了这种技术哲学。该微调API通过抽象底层复杂性，为研究者提供类似模型采样服务的训练体验。当前版本主要面向专业用户，未来计划通过工具链扩展支持多模态训练与大规模任务。公司计划明年发布自主训练模型，同时持续优化Tinker的功能层级，最终实现"业务问题到模型解决方案"的无缝转化。
