AI新浪潮观察

8min read

我高中辍学，跟 AI 学习，逆袭成为 OpenAI 研究员

极客老友2025/12/16

摘要

学习，这个概念，在 AI 时代完全变了。

作者｜金光浩

编辑｜ 靖宇

前段时间，我在上海参加了一个 AI 聚会。

活动本身聊的 AI 落地内容很多。

但最让我印象最深的，是一位投资人前辈分享的学习方法。

他说这个方法救了他，也改变了他投资时看人的标准。

具体是什么呢？就是学会「问问题」。

当你对一个问题感兴趣，就去和 DeepSeek 聊，一直聊，聊到它答不出来为止。

这种「无限追问」的技巧，当时听完我觉得挺震撼的，但活动结束后，这事就被我抛在脑后了。

没有尝试，也没惦记。

直到最近，我刷到了 Gabriel Petersson 辍学，用 AI 学习进入 OpenAI 的故事。

我才突然意识到，那位前辈说的「问到底」，在这个 AI 时代到底意味着什么。

Gabriel 访谈播客｜youtube

01

「高中辍学」，逆袭成为 OpenAI 研究员

Gabriel 来自瑞典，高中没念完就辍学了。

Gabriel 社媒主页｜X

他曾经觉得自己太笨了，根本不可能从事 AI 相关的工作。

转折发生在几年前。

他的表兄在斯德哥尔摩创办了一家初创公司，做电商产品推荐系统，叫他过去帮忙。

Gabriel 就这么去了，没什么技术背景，也没什么存款，创业初期甚至在公司公共休息室的沙发上睡了整整一年。

但这一年里他学会了不少东西。不是在学校学的，而是在实际问题的压力下硬逼出来的：编程、销售、系统集成。

后来为了优化学习效率，他干脆转成了合同工，这样可以更灵活地选择项目，专门找最优秀的工程师合作，主动寻求反馈。

申请美国签证时，他面临一个尴尬的问题：这类签证要求证明申请人在领域内有「非凡能力」，通常需要学术出版物、论文引用之类的材料。

一个高中辍学生怎么可能有这些？

Gabriel 想了个办法：他把自己在程序员社区上发布的高质量技术帖子整理出来，作为「学术贡献」的替代证明。这个方案居然被移民局接受了。

到了旧金山之后，他继续用 ChatGPT 自学数学和机器学习。

现在他是 OpenAI 的研究科学家，正在参与 Sora 视频模型的构建。

说到这，你一定很好奇，他是怎么做到的呢？

Gabriel 观点｜X

02

递归式知识填补：反常识的学习方法

答案就是「无限追问」，找一个具体问题，然后通过 AI 彻底解决这个问题。

Gabriel 的学习方法和大多数人的直觉相反。

传统的学习路径是「自下而上」：先打基础，再学应用。比如想学机器学习，得先学线性代数、概率论、微积分，然后学统计学习，然后学深度学习，最后才能碰实际项目。这个过程可能需要好几年。

而他的方法是「自上而下」：直接从一个具体项目开始，遇到问题就解决问题，发现知识盲区就补齐知识。

他在播客里说，以前这种方法很难推广，因为你需要一个全知全能的老师，随时告诉你「接下来该补什么」。

但现在，ChatGPT 就是这个老师。

Gabriel 观点｜X

具体怎么操作？他举了个例子：如何学扩散模型。

第一步，从宏观概念开始。他会问 ChatGPT：「我想学视频模型，最核心的概念是什么？」，AI 告诉他：自动编码器。

第二步，代码先行。他让 ChatGPT 直接写一段扩散模型的代码。一开始很多地方看不懂，但没关系，先把代码跑起来再说。能跑通，就有了调试的基础。

第三步，最核心的，进行递归追问，他会盯着代码里的每一个模块问问题。

就这样一层层往下钻，直到彻底理解底层逻辑。然后再返回上一层，继续问下一个模块。

他把这个过程叫做「递归式知识填补」。

递归式知识填补｜nanobaba2

这比按部就班学六年快得多，可能三天就能建立起基本的直觉。

如果你熟悉苏格拉底式提问法，会发现这本质上是同一个思路：通过层层追问来逼近事物的本质，每一个回答都是下一个问题的起点。

只不过现在他把 AI 当成了被追问的人，而由于 AI 近乎全知全能，不断的将事物的本质以一种通俗易懂的方式向提问者表达。

实际上，Gabriel 采用这样一种方式，对 AI 进行了「知识萃取」，学到了事物的本质。

03

我们大多数人用 AI，其实在变笨

听完博客，Gabriel 的故事让我产生了一个疑问：

同样是用 AI，为什么他能学得这么好，而很多人用 AI 之后，反而感觉自己在退步？

这不仅仅是我的主观感受。

微软研究院 2025 年的一篇论文显示 [1]， 当人们频繁使用生成式 AI 时，自身批判性思维的使用会明显下降。

换句话说，我们把思考外包给了 AI，然后自己的思考能力也跟着萎缩了。

技能这东西符合「用进废退」的规律：当我们用 AI 写代码时，手和脑写代码的能力就在悄悄退化。

用 AI「vibe coding」的工作方式看起来效率很高，但长期下来，程序员自身的编程技能是在下降的。

你把需求扔给 AI，它吐出一堆代码，你跑通了，觉得很爽。但如果让你关掉 AI，手写核心逻辑，很多人会发现自己的大脑一片空白。

更极端的案例来自医学领域，一篇医学领域的论文指出 [2]， 医生在引入 AI 辅助后三个月，结肠镜检测技能下降了 6%。

这个数字看起来不大，但想想看： 这是真实的临床诊断能力，关乎患者的健康和生命。

所以问题就来了：同样的工具，为什么有人用它变强了，有人用它变弱了？

区别在于你把 AI 当成什么。

如果你把 AI 当成一个帮你干活的工具，让它替你写代码、替你写文章、替你做决定，那你的能力确实会退化。因为你跳过了思考的过程，只拿到了结果。结果可以复制粘贴，但思考能力不会凭空生长。

但如果你把 AI 当成一个教练或者导师，用它来检验自己的理解、追问自己的盲区、逼迫自己把模糊的概念说清楚：那你实际上是在用 AI 加速自己的学习循环。

Gabriel 的方法，核心不是「让 AI 替我学」，而是「让 AI 陪我学」。他始终是那个主动追问的人，AI 只是提供反馈和素材。每一个「为什么」都是他自己问出来的，每一层理解都是他自己挖下去的。

这让我想起一个老话：授人以鱼不如授人以渔。

递归式知识填补｜nanobaba2

04

一些实际的启发

聊到这里，可能有人会问：我不是搞 AI 研究的，也不是程序员，这个方法对我有什么用？

我觉得 Gabriel 的方法论可以抽象成一个更通用的五步框架，每个人都可以通过 AI 学习任何不懂的领域。

1、从实际问题出发，而不是从教科书的第一章开始。

你想学什么，就直接开始做，遇到卡壳的地方再去补。

这样学到的知识有上下文、有目的，比孤立地背概念有效得多。

Gabriel 观点｜X

2、把 AI 当成一个永远有耐心的导师 。

你可以问它任何蠢问题，可以让它用不同方式解释同一个概念，可以让它「像教五岁小孩一样解释」。

它不会嘲笑你，也不会不耐烦。

3、主动追问，直到建立直觉。不要满足于表面的理解。

一个概念，你能用自己的话复述出来吗？能举一个原文没提到的例子吗？

能解释给一个外行听吗？如果不能，就继续问。

4、这里有个陷阱需要警惕：AI 也会产生幻觉 。

在进行递归追问时，如果底层概念 AI 解释错了，你可能就在错误的道路上越跑越远。

所以建议在关键节点，通过多个 AI 进行交叉验证，确保提问的地基是稳的。

5、记录你的追问过程 。

这样可以形成可复用的知识资产：下次遇到类似问题，你有一份完整的思考路径可以回顾。

传统观念里，工具的价值在于减少阻力、提高效率。

但学习这件事恰恰相反：适度的阻力、必要的摩擦，反而是学习发生的前提。如果一切都太顺滑，大脑就进入了省力模式，什么都记不住。

Gabriel 的递归追问，本质上就是在制造摩擦。

他不断问为什么，不断把自己逼到不懂的边缘，然后再一点点把洞填上。

这个过程很不舒服，但正是这种不舒服，让知识真正进入了长期记忆。

05

未来的职业趋势

在这个时代， 学历的垄断正在被打破，但认知的门槛却在隐形提高。

大多数人只把 AI 当作「答案生成器」，而极少数像 Gabriel 这样的人，把 AI 当作「思维练习器」。

其实类似的用法，已经在不同领域出现了。

比如在即刻上，我看到不少家长在用 nanobanana 给孩子辅导功课。但他们不是让 AI 直接给出答案，而是让 AI 生成解题步骤，一步一步地展示思考过程，然后和孩子一起分析每一步的逻辑。

这样孩子学到的不是答案，而是解题的方法。

提示词「解给定的积分，并把完整的解写在白板上」｜nanobaba2

还有人用 Listenhub 或者 NotebookLM 的功能，把长篇文章或论文转成播客形式，让两个 AI 声音对谈、解释、提问。有人觉得这是偷懒，但也有人发现，听完对谈再回去看原文，理解效率反而更高。

因为对谈过程中会自然地抛出问题，逼迫你思考：这个点我真的懂了吗。

Gabriel 访谈播客转播客｜notebooklm

这指向了一个未来的职业趋势： 一专多能。

以前，你想做一款产品，需要懂前端、后端、设计、运维、营销。现在，你可以像 Gabriel 一样，用「递归补洞」法，快速掌握你短板领域的 80% 知识。

你原本是个程序员，通过 AI 补齐设计和商业逻辑，你可以变成一个产品经理。

你原本是个好的内容创作者，通过 AI，你可以快速补齐代码能力的短板，变成一个独立开发者。

基于这个趋势可以推断：「也许，未来，会有更多的「一人公司」形态出现」。

06

夺回你的主动权

现在再想那位投资人前辈的话，我才明白他真正想说的是什么。

「一直问到答不出来为止。」

这句话在 AI 时代是一个很棒的心法。

如果我们只满足于 AI 给出的第一个答案，我们就在悄无声息地退化。

但如果我们能通过追问，逼 AI 把逻辑讲透，再内化成自己的直觉：那 AI 就真的成了我们的外挂，而不是我们成了 AI 的附庸。

不要让 ChatGPT 替你思考，要让它陪你思考。

Gabriel 从睡沙发的辍学生，走到 OpenAI 研究员。

中间没有什么秘诀，就是成千上万次追问。

在这个充满着被 AI 替代焦虑的时代，最实在的武器可能就是：

别停在第一个答案，继续问下去。

[1].The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers.

[2].Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study.

ChatGPTOpenAIAI 时代