一个23岁的瑞典辍学生，如何成为 OpenAI 研究科学家的？
故事是这样的。
上周刷到一个播客，叫 Extraordinary，嘉宾是一个 23 岁的瑞典年轻人，叫 Gabriel Petersson。
他的简历很有意思，没有高中文凭，没有大学学历，在 OpenAI 的内部系统里，头衔是，Sora 团队研究科学家。
Sora 团队，做视频生成的。这种岗位，通常都是博士起步。
他连高中都没读完。
我本来以为又是一个「天才少年」的爽文故事，坦率的讲，听完之后发现不是。
他的方法，其实一点都不玄乎。甚至简单到有点荒诞。
# 一、辍学：一场偶然的选择，而非热血的奔赴
先说他怎么辍学的。
17 岁那年，他表亲打了个电话过来，说认识了一个人，「特别聪明」，要做电商推荐系统的创业项目，你赶紧来斯德哥尔摩。
Gabriel 当时住在瑞典中部一个叫 Vaggeryd 的小镇上，他的回答是，「老哥，我今晚有个大派对，明天来行不行？」
表亲说不行。
于是他坐了下一班巴士去斯德哥尔摩。
再也没回过高中。
反正没有任何深思熟虑。没有「我要追寻梦想」的热血独白。就是派对和巴士之间，选了巴士。
这家公司后来进了 Y Combinator，拿了 Tiger Global 领投的 1700 万美元 A 轮融资。
# 二、编程启蒙：生存压力下的被迫成长，而非天赋使然
他辍学的时候，不会写代码。
这件事很重要，说真的，很多人会忽略。
13 岁的时候表亲给他看了 Java，他做了一个极其简陋的宝可梦回合制小游戏。后来在 Udemy 上学了点 Python，做了一个躲子弹的鸭子游戏。也试过 Andrew Ng 的机器学习课程。
他对这段经历的总结是，
「我一直觉得自己太笨了。就是做不了这些东西。」
注意这句话。
一个后来进了 OpenAI 的人，曾经觉得自己太笨了学不会。你敢信？
真正学会编程，是在创业公司里。因为公司要活下去，他被迫解决真实问题，构建推荐系统、写爬虫、做客户集成、搭 A/B 测试。
他说了一句很关键的话，
「如果有人跟我说，学这个东西吧，时间无限，也不会因此赚到钱，我永远学不会。绝对不可能。」
压力。
真实的、关乎生存的压力，才是他学会编程的真正原因。不是天赋，不是兴趣，是不得不。
# 三、核心学习法：3 天 vs 6 年，自上而下的递归学习
这是整期播客最有意思的部分。
Gabriel 认为学东西最快的方式是**「自上而下」**，从一个实际问题开始，读需要解决这个问题的所有东西，发现子问题，再读那些东西，一路递归到核心。
他举了自己学扩散模型的例子，步骤清晰且简单：
第一步，问 ChatGPT，视频和图像 AI 模型最基础的概念有哪些？ChatGPT 开始讲自编码器、扩散模型。
第二步，让它写一个扩散模型的完整代码。代码出来了，完全看不懂。然后和 AI 一起调试，让它跑起来。在这个过程中逐渐建立直觉。
第三步，开始逐行追问。代码里有个 ResNet 模块，有个残差连接，让数据以特定方式通过。他一开始完全不懂。继续追问。ChatGPT 解释说梯度可以通过这些路径流动，没有残差连接梯度会被阻断。他继续追问，直到真正理解。
然后他告诉 AI，这是我对这个概念的理解，完全正确吗？
他把这个过程叫做**「递归知识空白填补」（recursive gap filling）**。
听起来很学术对吧。但其实就四个字，不懂就问。不断地问，问到懂为止。
他给了一个极具冲击力的对比数字：学扩散模型，自上而下三天。自下而上学？要六年才能接触到。
六年里你要学微积分 1、微积分 2、线性代数，然后机器学习入门。。。而且六年前你怎么知道自己想学扩散模型？
这才是关键。
大学的自下而上，不是不好，是你在不知道自己想学什么的时候，先把所有地基都打一遍。但问题是，你打了六年地基，可能还没盖到你想住的那层楼。
# 四、深度解析：这个方法为什么有用？又为什么对很多人没用？
先别急着兴奋。说实话，看到这里，我第一反应是，卧槽，这方法太牛了。然后第二反应是，等等，这玩意对我那些高职学生有用吗？
我先聊他这个方法为什么有用，再聊为什么对很多人其实很难用。
# （一）为什么有用？从第一性原理拆解
学习这件事，说到底是什么？是建立概念之间的连接。
传统教育的假设是，你必须先有 A，才能理解 B，才能理解 C。所以路径是 A→B→C，一步一步来。但这个假设，我觉得其实是错的。
人类大脑不是这么工作的。你回想一下自己学会任何东西的过程，骑自行车、做饭、打游戏，哪一个是先把理论学完再上手的？都是先做，遇到问题，再回去查，再做，再查。
Gabriel 的方法，说到底就是把人类天然的学习方式，用 AI 放大了。
解决核心瓶颈：反馈延迟 以前你遇到不懂的，可能要翻书、找老师、等答疑。现在你遇到不懂的，直接问 ChatGPT，秒回，而且可以无限追问，它永远不会不耐烦。 传统教育里，从你产生疑问到获得解答，可能隔几小时、几天、甚至几周（等老师回邮件、等下节课）。在这个过程中，你的好奇心已经凉了。而 ChatGPT 把反馈延迟压到了几秒钟。好奇心还在最热的时候，答案就来了。然后新的问题又冒出来，又问，又答。像多米诺骨牌一样，一个接一个地倒。
关键驱动：问题驱动的选择性注意 当你有了一个真实问题，你的大脑会自动过滤掉无关信息，只关注和问题相关的部分。这就是为什么 Gabriel 觉得在创业公司学编程比上课快，每个知识都是因为「我现在就要用」才学的，所以学得又快又牢。 而没有真实问题的时候，你的大脑处于「什么都可能重要」的状态，注意力和记忆力都会大打折扣。这就是为什么他反复强调「真实问题」。
# （二）为什么对很多人很难用？三个苛刻的前提条件
好了，现在说到重点了。这部分其实我自己也想了很久。Gabriel 的方法，听起来简单，从一个真实问题开始，不懂就问，一直问到懂。但这个「简单」背后，藏着三个极其苛刻的前提条件。
我突然想起以前读过的一本书，叫《刻意练习》，里面有个核心观点，天才不是天生的，是练出来的。但「刻意练习」本身有个门槛，你得有足够的基础才能进行「刻意」的练习。Gabriel 的方法也是一样。方法本身没错，但它需要你已经站在了一个特定的台阶上。
第一个台阶：你得能提出好问题 「递归知识空白填补」，说到底是递归。你得知道你不懂什么，才能去问。这就是他说的「感知自己不懂什么」的技能。这个技能其实非常稀缺。 我教的高职学生，他们面对一段代码，往往不是「我知道我不懂这个部分」，而是「我完全不知道我不懂什么」。他们的困惑是模糊的、弥漫的、说不出口的。你让他们去问 ChatGPT，他们问出来的问题是，「这个我看不懂。」然后 ChatGPT 回一堆更看不懂的。 这不是 AI 的问题，是提问能力的问题。Gabriel 能逐行追问 ResNet 模块，是因为他已经有了足够的编程基础来定位自己不懂的具体位置。他知道「残差连接」是一个特定的概念，他知道自己不懂的是「为什么梯度会被阻断」。这种精确定位，本身就是一种专业能力。
第二个台阶：你得有「click」的感知能力 他说学习的核心技能之一是「感知什么时候真正懂了」，那个「啊，click 了」的瞬间。但 click 的前提是，你有过足够多的「没 click」的经验，才能分辨两者的区别。 Gabriel 在创业公司里被迫学了大量的编程实践，这些实践给他建立了足够的「手感」。所以他看到 ChatGPT 解释残差连接的时候，能感知到「这次我真的懂了」vs「我只是觉得自己懂了但其实没懂」。 高职学生往往缺少这种手感。他们更容易出现「虚假 click」，觉得自己懂了，其实只是把 ChatGPT 的解释背下来了，换个场景还是不会用。
第三个台阶：你得有真实问题 Gabriel 反复强调真实问题的重要性。但真实问题从哪来？从创业公司来，从产品来，从「不做就活不下去」的压力来。 一个高职学生，他有什么真实问题？不是那种「假如我要做一个 xxx」的假设性问题，是那种「我今晚必须把这个搞出来否则明天交不了差」的真实问题。大多数高职学生没有这种问题。 他们的「问题」是考试要考，作业要交。这不是 Gabriel 说的真实问题。真实问题是有后果的，失败了要承担代价的。
所以你看到了吗？Gabriel 的方法之所以有用，不是方法本身多高明，而是他恰好具备了让这个方法生效的所有条件，能精确定位自己的知识空白、能感知自己是否真正理解、有真实问题驱动。这三个条件，恰好是大多数学习能力不强的人最缺的。
# 五、普通人可借鉴：拆解方法，落地执行
那高职学生怎么办。说实话，我也不想给你灌一碗「只要你想学就一定能学会」的鸡汤。我自己也不确定这个方法对所有人都管用。但我也不想告诉你「这方法对你们没用」就完了。
因为 Gabriel 的方法里，确实有一个东西，是可以拆出来给普通人用的。
缩短反馈延迟 你不需要完全照搬他的「自上而下递归学习」，你只需要做一件事，当你不懂的时候，不要等到下节课、不要等到老师答疑、不要让疑问发酵到你自己都忘了问什么。立刻问。问 ChatGPT，问同学，问老师，问谁都可以。重点不是问谁，重点是「立刻」。这玩意真的很重要。
用项目驱动学习，而非课程驱动 你不需要做一个改变世界的项目。哪怕只是在课堂上做一个「帮我自动整理桌面文件的小工具」，都比听十节课的 Python 基础来得有效。 因为项目会给你真实问题。真实问题会给你精确的困惑。精确的困惑会让你提出精确的问题。精确的问题会得到有用的回答。有用的回答会产生「click」。这就是那个链条。
Gabriel 只是在更高的起点上跑通了这个链条。但链条本身，对谁都一样。
# 六、结语：主动，才是最稀缺的能力
播客快结束的时候，Gabriel 说了一句话，
「人们太容易低估自己能做的事了。」
然后他补了一句，「可能光是在听这期节目的人就已经是前 1%了。大多数人不会有这个主动性去花一个小时听一期播客来改善自己。」
这句话，既是鼓励，也是残忍。因为你我都知道，他的 1%，不是因为聪明，是因为主动。而主动，恰恰是最难教的东西。
我突然想到一件事。每一代技术革命，都会制造一种幻觉，觉得这次不一样了，门槛被打掉了，人人都能上去了。印刷术打掉了知识的传播门槛，互联网打掉了信息的获取门槛，现在 AI 好像要打掉学习的门槛。
但每一代的真相都是，门槛从来不是技术本身，是你有没有那个站上去的台阶。
不是方法的问题。从来都不是。
# 参考资料
Extraordinary 播客，Gabriel Petersson 专访 https://www.youtube.com/watch?v=vq5WhoPCWQ8
宝玉翻译整理版 https://baoyu.io/blog/2026-02-17/gabriel-petersson-openai-dropout
36 氪深度版 https://eu.36kr.com/en/p/3573397253282184
Business Insider 报道 https://www.businessinsider.com/high-school-dropout-openai-chatgpt-learn-ai-gabriel-petersson-2025-11
本站博文如非注明转载则均属作者原创文章，引用或转载无需申请版权或者注明出处，如需联系作者请加微信： geekmaster01