AI时代的无限追问：从辍学到OpenAI研究员的逆袭之路

前段时间，我在上海参与了一场关于人工智能的行业沙龙。

活动本身聚焦于AI技术的实际应用，干货满满。

但最令我难忘的，是一位投资界前辈分享的独特学习心得。

他说这个方法不仅拯救了他的学习效率，也彻底改变了他评估创业者时的标准。

具体是什么呢？其实就是掌握「提问」的艺术。

当你对某个领域产生好奇，就去和 DeepSeek 深入对话，一直聊到它无法给出答案为止。

这种「打破砂锅问到底」的技巧，当时让我深受触动，但活动结束后，这个想法就被我搁置了。

没有实践，也没再想起。

直到最近，我偶然刷到了 Gabriel Petersson 放弃学业，借助AI自学最终进入 OpenAI 的传奇经历。

我才猛然意识到，那位前辈所说的「追问到底」，在当今AI时代究竟蕴含着怎样的深意。

Gabriel 访谈播客｜图片来源：youtube

「高中辍学」，逆袭成为 OpenAI 研究员

Gabriel 来自瑞典，高中尚未毕业便选择了辍学。

Gabriel 社媒主页｜图片来源：X

他曾一度认为自己资质平平，根本无缘涉足人工智能领域。

命运的转折出现在几年前。

他的表兄在斯德哥尔摩创立了一家专注电商产品推荐的初创公司，邀请他过去帮忙。

Gabriel 就这样踏入了这个领域，没有技术背景，也没有积蓄，创业初期甚至在公司公共休息室的沙发上凑合睡了一年。

但正是这一年，他学到了大量实用技能。不是在课堂上，而是在真实问题的驱动下硬啃下来的：编程、销售、系统集成。

后来为了提升学习效率，他干脆转为合同工，这样就能更自由地挑选项目，专门和最优秀的工程师共事，主动寻求反馈。

申请美国签证时，他遇到了一个棘手的难题：这类签证要求申请人证明自己在领域内具备「非凡能力」，通常需要学术论文、引用记录等硬指标。

一个高中辍学生怎么可能拿得出这些？

Gabriel 灵机一动：他把自己在程序员社区发布的高质量技术帖整理成册，作为「学术贡献」的替代证明。没想到这个方案竟然获得了移民局的认可。

抵达旧金山后，他继续利用 ChatGPT 自学高等数学和机器学习。

如今，他已是 OpenAI 的研究科学家，正参与 Sora 视频模型的构建工作。

说到这里，你一定很好奇，他究竟是如何做到的？

Gabriel 观点｜图片来源：X

递归式知识填补：反常识的学习方法

答案就是「持续追问」——选定一个具体难题，借助AI彻底攻克它。

Gabriel 的学习路径与大多数人的直觉截然相反。

传统模式是「自下而上」：先夯实基础，再谈应用。比如想学机器学习，得先啃下线性代数、概率论、微积分，接着学统计学习，然后深度学习，最后才能接触实际项目。这一套下来往往需要好几年。

而他的方式是「自上而下」：直接从具体项目切入，遇到障碍就解决障碍，发现知识盲区就立刻补上。

他在播客中坦言，过去这种方法难以推广，因为你需要一个无所不知的导师，随时指点「接下来该学什么」。

但现在，ChatGPT 就扮演了这个导师的角色。

Gabriel 观点｜图片来源：X

具体怎么操作？他举了个例子：如何学习扩散模型。

第一步，从宏观概念入手。他会问 ChatGPT：「我想学习视频模型，最核心的概念是什么？」AI 回答：自动编码器。

第二步，代码先行。他让 ChatGPT 直接生成一段扩散模型的代码。一开始很多地方看不懂，但没关系，先把代码跑通。能运行起来，就有了调试的基础。

第三步，也是最核心的，进行递归式追问。他会盯着代码里的每一个模块不断提问。

就这样一层层深挖，直到彻底弄懂底层逻辑，然后再返回上一层，继续探究下一个模块。

他把这种方法命名为「递归式知识填补」。

递归式知识填补｜图片来源：nanobaba2

这比按部就班学六年的效率高得多，可能只需三天就能建立基本的直觉框架。

如果你熟悉苏格拉底式提问法，就会发现这本质上是同一思路：通过层层追问逼近事物本质，每一个回答都成为下一个问题的起点。

只不过现在他把AI当作被追问的对象，而由于AI近乎全知全能，它能够将事物的本质以通俗易懂的方式逐步呈现给提问者。

实际上，Gabriel 正是用这种方式对AI进行了「知识萃取」，真正学到了事物的内核。

我们大多数人用 AI，其实在变笨

听完播客后，Gabriel 的故事让我产生了一个疑问：

同样是使用AI，为什么他能学得如此深入，而很多人用了AI之后，反而感觉自己在退化？

这并非我个人的主观臆断。

微软研究院2025年的一篇论文显示[1]，当人们频繁依赖生成式AI时，自身批判性思维的使用频率会显著下降。

换句话说，我们把思考外包给了AI，自己的思考能力也随之萎缩。

技能这东西符合「用进废退」的规律：当我们用AI写代码时，手写代码的能力就在不知不觉中退化。

用AI「vibe coding」的工作方式看起来效率惊人，但长此以往，程序员自身的编程技能是在走下坡路的。

你把需求抛给AI，它吐出一堆代码，你跑通了，感觉很爽。但如果让你关掉AI，手写核心逻辑，很多人会发现大脑一片空白。

更极端的案例来自医学领域，一篇医学论文指出[2]，医生在使用AI辅助三个月后，结肠镜检测技能下降了6%。

这个数字看似不大，但想想看：这是关乎患者生命的临床诊断能力。

所以问题来了：同样的工具，为何有人用它变强，有人用它变弱？

区别就在于你把AI当成什么。

如果你把AI当成一个替你干活的工具，让它替你写代码、替你写文章、替你做决策，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当成一个教练或导师，用它来检验自己的理解、追问自己的盲区、迫使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。

这让我想起一句老话：授人以鱼不如授人以渔。

递归式知识填补｜图片来源：nanobaba2

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，每个人都可以借助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，就直接动手做，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｜图片来源：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。

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」｜图片来源：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｜图片来源：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」。

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.