John Schulman Kimdir? ChatGPT’nin Arkasındaki Pekiştirmeli Öğrenme Uzmanı (2026)

John Schulman, 1987 veya 1988’de ABD’de doğan bilgisayar bilimci ve yapay zeka araştırmacısıdır. 2017’de yayımladığı PPO algoritması, pekiştirmeli öğrenmenin endüstride en yaygın kullanılan yöntemi hâline geldi; insan geri bildirimiyle pekiştirmeli öğrenme (RLHF) hattındaki liderliği ise ChatGPT’nin yararlı ve güvenli biçimde konuşmasını mümkün kılan teknik çekirdeği oluşturdu.

Schulman, OpenAI’nin kurucu üyelerinden biri olarak 2015’ten Ağustos 2024’e kadar şirketin pekiştirmeli öğrenme ve hizalama programlarının merkezinde kaldı; ardından Anthropic’e geçti ve Şubat 2025’te Mira Murati’nin kurduğu Thinking Machines Lab’te baş bilim insanı oldu. Kariyeri, bir algoritmanın hem laboratuvarı hem bir endüstriyi nasıl yeniden kurguladığının canlı örneğidir. Bu makalede bu yolculuk, doğrulanmış tarihlerle anlatılmaktadır.

Fizikten Makine Öğrenmesine: Eğitim Yılları

Schulman, California Institute of Technology’de (Caltech) fizik okudu ve 2010’da lisans derecesini aldı. Fizik eğitimi onun matematiksel titizliğini şekillendirdi; ancak ilgi alanı giderek öğrenme problemlerine kaydı ve doktora için Kaliforniya Üniversitesi Berkeley’e geçti. Burada robotik ve pekiştirmeli öğrenme alanının önde gelen isimlerinden Pieter Abbeel’in danışmanlığında çalıştı; robotların deneme yanılma yoluyla beceri öğrenmesi üzerine doktora araştırması, onu OpenAI’nin ilk kadrosuna götürecek uzmanlık alanını kurdu.

Berkeley yıllarında derin sinir ağlarının pekiştirmeli öğrenmeyle birleşmesi, alanın en verimli sınırlarından birine dönüştü. Schulman bu kesişimde hem teori hem mühendislik tarafında üretkenliğini kanıtladı; doktora çalışmasını OpenAI’deki ilk yıllarıyla paralel yürüterek 2016’da tamamladı.

OpenAI’nin Kuruluşu ve PPO (2015-2017)

Schulman, Aralık 2015’te kurulan OpenAI’nin kurucu araştırmacı kadrosunda yer aldı. Şirketin ilk yıllarında geniş oyun ve robot ortamlarında genel öğrenen ajanlar üzerine çalıştı; 2016’da yayımlanan Gym adlı açık kaynak pekiştirmeli öğrenme kütüphanesinin yaratıcıları arasındaydı. 2015’te yayımladığı TRPO algoritması, politika iyileştirmede istikrar problemi üzerine ilk büyük adımdı; ancak uygulaması karmaşıktı.

Temmuz 2017’de arXiv üzerinde yayımlanan Proximal Policy Optimization (PPO) makalesi, bu problemi pratik bir çözüme indirdi: politika güncellemelerini önceki politikaya çok yakın tutan basit bir amaç fonksiyonu, karmaşık ikinci derece yöntemlere gerek kalmadan kararlı öğrenme sağlıyordu. PPO kısa sürede endüstrinin varsayılan algoritması hâline geldi; robotikten oyunlara, sonrasında dil modellerinin hizalamasına uzanan geniş bir yelpazede kullanıldı. OpenAI Five ekibi, 2018-2019 arasında PPO tabanlı ajanıyla Dota 2’de dünya şampiyonu OG takımını 2019’da yenerek yöntemin ölçeğini kanıtladı.

RLHF ve ChatGPT’nin İnşası (2019-2022)

Schulman’ın ikinci büyük katkısı, dil modelleriyle pekiştirmeli öğrenmenin buluştuğu RLHF hattıdır. İnsan tercih verisiyle bir ödül modeli eğitilmesi ve bu ödül modeline göre dil modelinin PPO ile ince ayarlanması fikri, OpenAI’de yıllardır geliştirilen bir programdı. Ocak 2022’de yayımlanan InstructGPT makalesi, bu yöntemin küçük bir modeli dev bir ham modelden daha beğenildiği hâle getirdiğini gösterdi; Schulman, makalenin ve uygulama hattının merkezindeydi.

30 Kasım 2022’de ChatGPT’nin yayımlanması, bu birikimin kamuya açılan yüzü oldu. ChatGPT’nin kullanışlı, dürüst ve güvenli biçimde yanıt vermesinin arkasında RLHF süreci vardı ve Schulman, sürecin pekiştirmeli öğrenme tarafını yöneten isim olarak sektöre tanındı. Bu dönemde şirket içinde hizalama ve güvenlik tartışmalarının teknik seslerinden biri oldu; OpenAI’nin model davranışı politikalarının gelişimine katkı sağladı.

Anthropic ve Thinking Machines Lab (2024-2026)

Ağustos 2024’te Schulman, OpenAI’den ayrıldığını duyurdu; ayrılık mektubunda hedefinin yapay zeka hizalaması üzerine daha derin teknik çalışmaya odaklanmak olduğunu ve bunu Anthropic’te sürdüreceğini yazdı. Bu açıklama, sektörde model güvenliği için öncelik değişimi olarak okundu ve geniş yankı buldu.

Beş ay sonra, Şubat 2025’te Schulman yeni bir adım attı: eski OpenAI CEO’su Mira Murati’nin o ay kurduğu Thinking Machines Lab’e baş bilim insanı olarak katıldı. Şirket, Temmuz 2025’te Andreessen Horowitz öncülüğünde yaklaşık 2 milyar dolarlık bir tohum yatırım turu kapattı ve 12 milyar dolar değerlemeyle tarih yazdı; Schulman’ın varlığı, şirketin teknik güvenilirliğinin temel dayanaklarından biri olarak sunuldu. Ekibe göre vizyon, yapay zekayı çok geniş kitlelerin uyarlayabildiği bir altyapı hâline getirmekti; şirket 2025 sonbaharında açık ağırlıklı modellere ince ayar imkânı sunan Tinker ürününü duyurdu. Schulman, 2026 itibarıyla Thinking Machines Lab’te baş bilim insanı olarak çalışmaktadır.

Mirası ve Etkisi

Schulman’ın mirası iki katmandan oluşur. Teknik katmanda PPO, pekiştirmeli öğrenmenin default algoritması olarak on binlerce uygulamada hâlâ çalışmaktadır; RLHF ise büyük dil modellerinin kullanılabilirliğini belirleyen standart süreç hâline gelmiştir. ChatGPT’nin insan-dil etkileşimini dönüştürmesinin arkasında bu iki teknolojinin birleşimi durur ve her ikisinin de merkezinde Schulman vardır.

Sektör kültürü tarafında ise Schulman, başarı zirvesindeyken güvenlik odağıyla kurum değiştiren araştırmacı tipinin en bilinen örneklerinden biri olarak anılır. 2026 itibarıyla Thinking Machines Lab’te yürüttüğü program, hizalama bilgisini açık ve uyarlanabilir sistemlere taşıma hedefiyle bu mirası yeni bir safhaya taşımaktadır.