特斯拉前人工智能与Autopilot项目负责人安德里杰·卡尔帕西在优化GPT-2模型训练过程中发现，人类研究者的直觉判断可能成为技术突破的阻碍。这位深度学习领域知名专家透露，他曾在手动调试模型参数时陷入瓶颈，直到让自主智能体接管系统仅一个晚上，便发现了人类难以察觉的参数组合规律——这些相互作用的微调项构成复杂网络，远超个体研究者的认知极限。
"当存在可量化的评估标准时，研究者应当主动退出决策流程。"卡尔帕西在技术分享中强调，现代AI工具已具备超越人类直觉的系统性搜索能力。他以模型训练为例指出，研究者往往过度依赖经验判断，却忽视了算法在参数空间中的探索效率。这种认知偏差导致顶尖实验室虽公开宣称追求自动化研发，实际工作中仍存在大量人工干预环节。
实验数据显示，智能体在24小时内完成的参数优化量，相当于人类研究员数周的工作量。更关键的是，机器发现的参数组合在编程任务等可验证领域表现出色，但在需要主观判断的创意生成等场景仍存在局限。卡尔帕西承认，当前技术尚未完全突破量化评估的边界，但强调这种局限性不应成为阻碍工具革新的理由。
这位斯坦福大学博士毕业生的观点引发行业热议。部分研究者认同其关于"去除人类瓶颈"的论断，认为这符合AI发展的内在逻辑；另有声音质疑完全自动化可能削弱模型的可解释性。值得注意的是，卡尔帕西本人并未主张彻底取代人类研究者，而是强调在客观指标明确的环节应优先发挥机器优势，这种分工模式或将成为未来AI研发的新常态。
