Gabriel Petersson来自瑞典，高中辍学后通过AI自学，最终成为OpenAI研究科学家，参与Sora视频模型开发。

早期在表兄创办的电商推荐系统初创公司工作，无技术背景的他在公司沙发居住一年，期间掌握编程、销售与系统集成技能。

为提升学习效率，他转为合同工，主动选择与顶尖工程师合作，并积极寻求反馈。申请美国签证时，因缺乏学术成果，他提交程序员社区的技术帖作为能力证明，成功获签。

抵达旧金山后，他利用ChatGPT系统学习数学与机器学习知识。其核心学习方法为“递归式知识填补”，即从具体项目出发，遇到问题即时补足知识盲区。

该方法不同于传统自下而上的学习路径，而是采用自上而下的实践驱动模式。以学习扩散模型为例，他首先让AI生成代码并运行，再对每一模块进行层层追问，深入理解底层逻辑。

这一过程类似苏格拉底式提问法，将AI视为可无限追问的导师，通过持续对话逼近事物本质，实现知识萃取。

微软研究院2025年一项研究显示，频繁使用生成式AI会导致用户批判性思维下降，出现“思考外包”现象，导致自身能力退化。

医学领域亦有案例表明，医生在使用AI辅助三个月后，结肠镜检测技能下降6%，反映出技能“用进废退”的规律。

使用AI的关键在于定位：若将其视为代劳工具，则思维能力弱化；若作为学习教练，则能加速认知成长。

Gabriel强调主动追问的重要性，始终掌控学习主导权，而非被动接受答案。他提出五步学习框架：从实际问题切入、将AI视为耐心导师、持续追问建立直觉、多AI交叉验证防幻觉、记录追问过程形成知识资产。

他认为适度的学习摩擦有助于知识内化，追问带来的不适感正是深度学习发生的标志。

当前学历壁垒正被打破，但认知门槛上升。少数人将AI用作思维训练器，多数人则仅作答案生成器。

已有家长使用nanobanana辅导孩子，不直接提供答案，而是展示解题步骤并与孩子共同分析逻辑过程。

有人利用Listenhub或NotebookLM将论文转化为双AI对谈播客，通过模拟问答提升理解效率。

这种学习方式推动“一专多能”趋势发展，个体可通过递归补洞法快速掌握跨领域核心知识。

程序员可借AI补足设计与商业知识转型产品经理，内容创作者可补齐代码能力成为独立开发者。

未来可能出现更多“一人公司”形态，个人综合能力通过AI辅助实现指数级扩展。

投资人建议的“问到底”方法在AI时代尤为重要，满足于首个答案将导致退化，唯有持续追问才能将AI转化为认知外挂。

关键在于不让AI替代思考，而是陪伴思考。Gabriel的成功源于成千上万次主动追问，体现了在AI时代保持主体性的核心价值。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。