我跟 AI 學習，逆襲成為 OpenAI 研究員

前陣子，我在上海參加了一場 AI 聚會。

活動本身深入探討了 AI 實際應用的各種議題。

但最令我印象深刻的，是一位資深投資人分享的學習方法。

他說這個方法不僅救了他，也徹底改變了他評估投資對象的標準。

具體是什麼呢？就是學會「問問題」。

只要你對某個議題感興趣，就持續與 DeepSeek 對話，不斷追問，直到它無法再回答為止。

這種「無限追問」的技巧，當時聽完讓我很震撼，但活動結束後卻漸漸淡忘了。

既沒嘗試，也沒放在心上。

直到最近，我看到 Gabriel Petersson 輟學、用 AI 學習並進入 OpenAI 的故事。

我才猛然意識到，那位前輩所說的「問到底」，在這個 AI 時代究竟有多深遠的意義。

Gabriel 訪談播客｜圖片來源：YouTube

「高中輟學」，逆襲成為 OpenAI 研究員

Gabriel 來自瑞典，高中未畢業便輟學。

Gabriel 社群媒體主頁｜圖片來源：X

他曾經認為自己太笨，根本不可能涉足 AI 相關領域。

轉捩點出現在幾年前。

他的表兄在斯德哥爾摩創立了一家新創公司，專注於電商產品推薦系統，邀請他前往協助。

Gabriel 就這麼去了，既沒有技術背景，也沒多少積蓄，創業初期甚至在公司公共休息室的沙發上睡了一整年。

但這一年他學到了許多知識。不是在學校，而是在實際問題壓力下被迫學會：程式設計、銷售、系統整合。

為了提升學習效率，他後來選擇成為合約工作者，更靈活地挑選專案，主動尋找優秀工程師合作、積極獲取回饋。

申請美國簽證時，他遇到一個棘手問題：這類簽證要求申請人具備「非凡能力」，通常需提供學術出版物、論文引用等證明。

一個高中輟學生怎麼可能有這些？

Gabriel 靈機一動，將自己在程式社群發表的高品質技術文章整理，作為「學術貢獻」的替代證明。這個方案竟然獲得移民局認可。

抵達舊金山後，他持續用 ChatGPT 自學數學與機器學習。

如今他是 OpenAI 的研究科學家，參與 Sora 影片模型的開發。

說到這裡，你一定很好奇，他到底是怎麼做到的？

Gabriel 觀點｜圖片來源：X

遞迴式知識填補：反直覺的學習方法

答案就是「無限追問」——選定一個具體問題，然後透過 AI 徹底解決。

Gabriel 的學習方法與多數人直覺完全相反。

傳統學習路徑是「自下而上」：先打好基礎，再學應用。像要學機器學習，得先學線性代數、機率論、微積分，接著統計學習、深度學習，最後才進行實作，這過程可能耗時數年。

但他的方式是「自上而下」：直接從具體專案開始，遇到問題就解決，發現知識缺口就補齊。

他在播客中提到，過去這種方法難以推廣，因為需要一位全知全能的老師隨時指導「接下來該補什麼」。

如今，ChatGPT 就是這位老師。

Gabriel 觀點｜圖片來源：X

具體怎麼做？他舉例：如何學習擴散模型。

第一步，從宏觀概念開始。他會問 ChatGPT：「我想學影片模型，最核心的概念是什麼？」AI 回答：自動編碼器。

第二步，程式碼先行。他請 ChatGPT 直接寫一段擴散模型的程式碼。一開始很多地方看不懂，但沒關係，先執行程式碼，能跑通就能開始除錯。

第三步，最核心的是遞迴追問，他會針對程式碼中的每個模組不斷提問。

就這樣一層層深入，直到完全理解底層邏輯，再回到上一層，繼續探究下一個模組。

他把這個過程稱為「遞迴式知識填補」。

遞迴式知識填補｜圖片來源：nanobaba2

這種方式遠比循序漸進學六年來得快速，或許三天就能建立基本直覺。

如果你熟悉蘇格拉底式提問法，會發現本質上都是一樣的邏輯：透過層層追問逼近事物本質，每一個回答都是下一個問題的起點。

只是現在，他把 AI 當成被追問的對象，而 AI 近乎全知全能，能持續以通俗易懂的方式向提問者闡述事物本質。

事實上，Gabriel 用這種方式對 AI 進行「知識萃取」，掌握了事物的核心。

我們大多數人用 AI，其實在變笨

聽完播客後，Gabriel 的故事讓我產生一個疑問：

同樣用 AI，為什麼他能學得這麼好，很多人用 AI 卻感覺自己在退步？

這不只是一種主觀感受。

微軟研究院 2025 年的一篇論文顯示 [1]，人們頻繁使用生成式 AI 時，批判性思維的使用明顯下降。

換句話說，我們把思考外包給 AI，自己的思考能力也跟著萎縮。

技能本身符合「用進廢退」的原則：當我們用 AI 寫程式時，手腦協作能力也在逐漸退化。

用 AI「vibe coding」的工作模式看似高效，但長期下來，程式設計師自身技能卻在下降。

你把需求丟給 AI，它產生一堆程式碼，你跑通覺得很爽，但若要你關掉 AI，手寫核心邏輯，很多人會發現腦中一片空白。

更極端的例子來自醫學領域，一篇醫學論文指出 [2]，醫生引入 AI 輔助三個月後，結腸鏡檢測技能下降 6%。

這個數字看似不大，但想想：這是真實臨床診斷能力，攸關患者健康與生命。

所以問題來了：同樣的工具，為什麼有人用它變強，有人用它變弱？

關鍵在於你怎麼看待 AI。

如果你把 AI 當成代工工具，讓它替你寫程式、寫文章、做決策，你的能力確實會退化。因為你跳過了思考過程，只拿到結果。結果可以複製貼上，但思考力不會憑空成長。

但如果你把 AI 當成教練或導師，利用它來檢驗自己的理解、追問盲點、逼自己釐清模糊概念：你其實是在用 AI 加速自我學習循環。

Gabriel 的方法，核心不是「讓 AI 替我學」，而是「讓 AI 陪我學」。他始終主動追問，AI 只是提供回饋與素材。每一個「為什麼」都是他自己問的，每一層理解都是他自己挖掘的。

這讓我想起一句老話：授人以魚不如授人以漁。

遞迴式知識填補｜圖片來源：nanobaba2

一些實際的啟發

聊到這裡，可能有人會問：我不是 AI 研究人員，也不是程式設計師，這個方法對我有什麼用？

我認為 Gabriel 的方法論可以抽象成一個通用五步框架，每個人都能透過 AI 學習任何陌生領域。

1、從實際問題出發，而不是從教科書第一章開始。

你想學什麼就直接開始做，遇到卡關時再補知識。

這樣學到的知識有情境、有目標，比孤立背誦概念有效得多。

Gabriel 觀點｜圖片來源：X

2、把 AI 當成永遠有耐心的導師。

你可以問它任何問題，請它用不同方式解釋同一概念，甚至要求它「像教五歲小孩一樣解釋」。

它不會嘲笑你，也不會不耐煩。

3、主動追問，直到建立直覺。不要只滿足表面理解。

一個概念，你能用自己的話重述嗎？能舉原文沒提到的例子嗎？

能解釋給外行人聽嗎？如果不能，就繼續問。

4、有一個陷阱需注意：AI 也會產生幻覺。

遞迴追問時，如果底層概念 AI 解釋錯了，你可能會越走越遠。

因此建議關鍵節點時，透過多個 AI 交叉驗證，確保基礎穩固。

5、記錄你的追問過程。

這樣能累積可重複利用的知識資產：下次遇到類似問題，你有完整思考路徑可回顧。

傳統觀念認為工具價值在於減少阻力、提升效率。

但學習卻相反：適度阻力、必要摩擦反而是學習的前提。如果一切太順利，大腦會進入省力模式，什麼都記不住。

Gabriel 的遞迴追問，本質就是製造摩擦。

他不斷問為什麼，不斷把自己逼到不懂的邊界，再一點一點填補知識缺口。

這個過程很不舒服，但正是那種不舒服，讓知識真正進入長期記憶。

未來的職涯趨勢

在這個時代，學歷壟斷正在被打破，但認知門檻卻悄然升高。

多數人只將 AI 當作「答案生成器」，極少數如 Gabriel 則把 AI 當作「思維練習器」。

其實這種用法已在不同領域出現。

例如在即刻，有不少家長用 nanobanana 幫孩子輔導功課，但他們不是直接讓 AI 給答案，而是讓 AI 產生解題步驟，一步步展示思考過程，並與孩子一起分析每一步邏輯。

孩子因此學到的不是答案，而是解題方法。

提示詞「解給定的積分，並將完整解答寫在白板上」｜圖片來源：nanobaba2

還有人利用 Listenhub 或 NotebookLM 功能，將長篇文章或論文轉為播客形式，讓兩個 AI 聲音對談、解釋、提問。有人認為這是偷懶，也有人發現，聽完對談再回頭看原文，理解效率反而更高。

因為對談過程會自然拋出問題，迫使你思考：這個點我真的懂了嗎？

Gabriel 訪談播客轉播客｜圖片來源：notebooklm

這指向未來職涯趨勢：一專多能。

以前，你要做一款產品，得懂前端、後端、設計、運維、行銷。現在，你可以像 Gabriel 一樣，用「遞迴補洞」法，快速掌握短板領域的 80% 知識。

你原本是程式設計師，透過 AI 補齊設計與商業邏輯，可轉型為產品經理。

你原本是優秀內容創作者，透過 AI 快速補齊程式能力短板，成為獨立開發者。

基於此趨勢可預見：「或許，未來將有更多『一人公司』的形態出現」。

奪回你的主動權

現在再回想那位投資人前輩的話，我才明白他真正想表達的核心。

「一直問到答不出來為止。」

這句話在 AI 時代是一套絕佳心法。

如果只滿足於 AI 給的第一個答案，我們便在不知不覺中退化。

但若能不斷追問，逼 AI 把邏輯講透，並內化成自己的直覺：AI 就真正成為我們的外掛，而非我們成為 AI 的附屬。

不要讓 ChatGPT 替你思考，要讓它陪你思考。

Gabriel 從睡沙發的輟學生，成為 OpenAI 研究員。

中間沒有祕訣，就是數以千萬次的追問。

在這個充斥 AI 取代焦慮的時代，最扎實的武器或許就是：

別停在第一個答案，繼續問下去。

聲明：

1. 本文轉載自 [geekpark]，著作權歸原作者 [金光浩] 所有，如對轉載有異議，請聯絡 Gate Learn 團隊，團隊將依相關流程儘速處理。
2. 免責聲明：本文所表達的觀點與意見僅代表作者個人立場，並不構成任何投資建議。
3. 文章其他語言版本由 Gate Learn 團隊翻譯，未提及 Gate 的情況下，不得複製、傳播或抄襲翻譯後文章。