AI时代：从「问到底」到「知识萃取」

近期，我参加了一场在上海举办的 AI 聚会。

活动中，诸多 AI 落地话题被热议。

但让我记忆深刻的，是一位资深投资人分享的学习方法。

他称这个方法救了他，也改变了他投资时对人的评估标准。

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 探讨，一直聊，直到它无法回答为止。

这种「无限追问」的技巧，当时听完觉得挺震撼的，但活动结束后就逐渐淡忘了。

没有实践，也没有再想起。

直到最近，我了解了 Gabriel Petersson 辍学后用 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。

图片来源：youtube

「高中辍学」，逆袭成为 OpenAI 研究员

Gabriel 来自瑞典，高中没读完就辍学了。

图片来源：X

他曾经觉得自己太笨了，根本没法从事 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。

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、微积分等。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。

图片来源：X

我们大多数人用 AI，其实在变笨

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。

一些实际的启发

1、从实际问题出发，而不是从教科书的第一章开始。

未来的职业趋势

夺回你的主动权