TL;DR：
Gabriel Petersson，一位高中辍学的瑞典青年，凭借对AI的极致好奇与ChatGPT的“递归式补洞”学习法，从零基础逆袭成为OpenAI Sora团队的研究科学家。他的故事不仅颠覆了传统教育路径的刻板印象，更揭示了在AI时代，个人能动性与解决真实问题的能力远胜文凭，为普通人加速成长提供了可复制的范式。
在旧金山，这个由代码和雄心筑成的硅谷心脏地带，OpenAI的Sora团队汇聚着全球最顶尖的智慧，致力于构建能理解并模拟真实世界的视频生成模型。而在这群通常拥有显赫学历背景的精英之中，有一位格格不入的身影——Gabriel Petersson。他没有大学文凭，更未曾踏入学术象牙塔，却凭借一套“野路子”自学方法，用ChatGPT反向补习数学和机器学习，最终闯入这个多数人眼中“博士专属”的研究领域，成为一名核心科学家。他的故事，是对传统成功路径的彻底颠覆，也是对AI时代学习范式的一次深刻预言。
瑞典小镇的“信仰之跃”：辍学与初创
Gabriel来自瑞典一个名为Vaggeryd的小镇，那里几乎没有人谈论工程师或创业。对年少的他而言，世界充满了未知的可能性，但他一度觉得自己不够聪明，认为AI的世界是那些“特别聪明的人”的专属领域。直到有一天，表哥的一个电话，像一道闪电划破了他循规蹈矩的人生轨迹。
“我表哥打电话给我，说他刚认识了一个特别聪明的人，对方有个用AI做推荐系统的点子，让我们马上一起把这个东西做出来卖给客户。” Gabriel回忆道，语气中仍带着一丝当年的冲动与热血。那一晚，他毫不犹豫地买了去斯德哥尔摩的巴士票，从此再也没有回过学校。那不是一个深思熟虑的“下定决心”，更像是被命运推着，完成了一次直面未知的“信仰之跃”。
在斯德哥尔摩，一群17、18岁的辍学生挤在表哥的学生公寓里，靠着一张捡来的沙发靠垫，开始了他们的第一次创业。他们对创业一无所知，不会获客，不懂销售。但Gabriel的字典里没有“退缩”二字。从冷邮件到电话推销，再到后来最疯狂的“上门推销”。他会提前抓取客户网站数据，训练出一个推荐模型，将自家方案与客户现有方案对比打印在A3纸上。
“我大概做了一百多份，装在文件夹里，挨个公司去敲门：‘能帮我叫一下电商负责人或者CEO吗？’”他描述道，眼神里闪烁着当年的那股蛮劲。这种直截了当的“实物展示”往往能震慑住对方。更令人难以置信的是，他随身带着一段脚本，能在第一次见面时就直接贴入客户网站的浏览器控制台，现场替换推荐结果并进行A/B测试，让客户亲眼看到效果。这种近乎“疯魔”的推销方式，虽然埋下了可扩展性的隐患，却让他和团队成功拿下了客户。
是什么支撑着一个18岁少年，在脏乱的小房间里，靠着沙发靠垫，依然对未来充满笃定？“我对现实的认知一直很扭曲。我当时100%确信自己会成为亿万富翁，真的，一点怀疑都没有。” Gabriel坦言。这份盲目的自信，或者说，是高度聚焦目标的纯粹，让他不顾一切地往前冲。
“野路子”的学习法则：AI赋能的知识迭代
辍学伊始，Gabriel并不会编程。他的技术成长，完全是“被逼出来的”。从表哥教他Java写“宝可梦”小游戏，到后来尝试Udemy的Python课，再到Andrew Ng的机器学习课，他都曾感到“太笨，完全看不懂”。真正的学习始于创业后，因为他必须解决爬虫、推荐系统、A/B测试、系统集成等实际问题。
“一旦面前有一个真实的问题，学习反而变得简单很多。” 他强调。在没有ChatGPT的年代，他通过Stack Overflow和同事朋友的帮助，在真实的工作压力下被迫学会了所需技能。
如今，在ChatGPT的加持下，Gabriel的“野路子”学习法进化得更加高效且可复制，他称之为“递归式补洞”。这种学习范式与传统教育自下而上的方式截然不同。传统教育从基础数学、线性代数、微积分开始，层层堆叠，耗时漫长；而Gabriel则采取“自顶向下”的策略：
- 项目驱动：从一个具体的、感兴趣的真实任务开始（例如：如何构建一个扩散模型）。
- AI辅助：让ChatGPT直接生成完整的初始代码或方案，即便有bug也无妨。
- 迭代理解：
- 调试中学习：与AI一起调试代码，在解决实际问题中建立直觉。
- 深度追问：对代码中的每一个模块、每一个概念进行深度追问。“这部分具体在做什么？背后的数学直觉是什么？能不能用更直观的方式解释，为什么会这样？”
- 递归拆解：当遇到更深层的不解，如矩阵乘法、线性代数时，继续让AI从底层逻辑、数学原理、梯度流动等角度解释，直至完全理解。
- 反向验证：用自己的语言将理解反馈给AI，让其校正并补充遗漏的细节。
- 直觉建立：利用AI的比喻、场景化解释（如“书店里的向量嵌入”），将抽象概念与现实世界联系起来，加速直觉的建立。
他总结道，最关键的能力是“知道自己哪里没懂”，并“捕捉到‘真正理解’的‘咔嗒一声’的时刻”。为了加速这个“啊哈时刻”的到来，他会不断调教AI，给出“极度直接、极度具体”、“务必建立直觉”、“给出所有中间步骤”等指令。
“我其实觉得自己挺笨的。很多时候我问完，它解释了一大段，我还是会说，我还是没懂，这太难了。” Gabriel坦率承认，“那就再问一次，再换一种表达方式。” 这种近乎偏执的追问和不懈尝试，最终让他不仅掌握了扩散模型，甚至能在OpenAI的Sora团队中承担起通常需要博士才能完成的研究工作。他坚定地认为，用AI辅助学习机器学习“一点也不丢人”，而且是“用捷径去搞懂所有基础”的最优路径。
颠覆教育的“递归式补洞”
Gabriel对传统教育体系的低效性抱有犀利的批判。他认为，大学的核心问题在于其“自底向上”的教学模式，以及对“基础知识”的垄断姿态。
“大学不再垄断基础知识。下面是我作为一个高中辍学生，如何用ChatGPT 学会扩散模型主要直觉的方式。” 他的推文直指要害。在他看来，大学更像是一个“成人托儿所”，鼓励人们不断推迟重要的职业决策，提供一个“安全且资源丰富”的环境，却以极低的效率传递知识。
“大学教的东西并不是没有价值，只是教学方式非常低效。”
他举例说，要学扩散模型，传统路径可能需要先修完微积分、线性代数、初级机器学习等课程，耗时3到6年才能触及核心概念。而通过“自顶向下”的学习方式，学生可以在三天内就了解扩散模型的核心原理和实际应用，然后根据兴趣再决定是否进行更深入的系统学习。这种方式让学习者能够做出“信息充分的选择”，而非盲目地为一个“听起来很酷”的buzzword投入数年光阴。
他理解这种观点会刺痛那些循规蹈矩、投入多年时间和金钱走完传统路径的人。“当一个人花了很多年时间，用一种低效的方式走完一套路径，然后被告知‘其实有更快的方法’，自尊会受到很大的冲击。” Gabriel不讳言，他的一些“故意的”言论，正是为了戳破这些“被自尊裹着的旧观念”，为后来者打开更宽广的道路。
闯入湾区：从合同工到OpenAI
离开瑞典的第一家创业公司后，Gabriel很快意识到，若要“尽快提升学习速度”，就必须“去和最顶尖的人一起工作”。他的目光锁定旧金山，因为“认识的最厉害的人都搬来了这里，大家口中最好的公司也都在这里。”
为了保持高度的机动性和学习效率，他刻意选择以“合同工”的形式工作，频繁更换团队，只为能与最优秀的工程师并肩作战，获取最直接、最真实的反馈。
“你尽量去找最好的团队；尽量贴着这些最强的人一起工作；在工作内容上保持自己的主见，不要只接没人愿意做的杂活；对帮你做code review的人，表达非常多的感谢——那是最好的反馈来源。”
他甚至会主动打电话给给他代码审查提出意见的工程师，邀请对方开会，逐条讨论评论，从中汲取第一性原理和工程直觉。这份对反馈的极致渴望和主动追求，弥补了他缺乏正式教育的短板，让他得以迅速成长。
在一家名为Dataland的公司，他遇到了改变他职业生涯的工程师。这位工程师既乐衷教人，又对“写出干净、正确的代码”极度执着。在那里，Gabriel的代码审查评论可以多达上百条，每次电话讨论都是一次宝贵的学习经历。
从瑞典远程工作期间，他开始认真考虑前往美国。虽然背景特殊，但他发现“高门槛签证”的路径比想象中灵活。他在Stack Overflow上积累的数百万次浏览的回答、GitHub上的开源项目（如高性能Web表格组件FastGrid），都成为了证明他“对这个领域有实质贡献”的硬核证据。
通过主动参加技术活动、认识创业者，并直接展示自己的demo和技术实力，他成功敲开了MidJourney的大门，这家全球最强的AI图像生成公司之一。最终，凭借在MidJourney的经验，他得以加入OpenAI，成为Sora团队的一员，真正站在了AI领域的最前沿。
拒绝“伪努力”：真实世界的价值锚点
Gabriel的思考超越了个人职业发展，触及了现代社会中普遍存在的“伪努力”和“决策惰性”。他认为，许多人看似自律、勤奋，沉迷于励志视频、好习惯、时间管理，但如果没有将这些努力锚定在“推进一件真正重要的事情”上，它们就只是“让你感觉很勤奋的装饰品”，对人生路径几乎没有长远影响。
“世界上70%的人都处于一种长期的轻度痛苦状态，因为只要存在‘什么都不做’这个选项，他们就会对任何需要心理上用力的决定过敏。”
这句振聋发聩的推文，直指人类本能的逃避倾向。换工作、搬城市、跨国发展，这些“心理上很用力”的决定，往往被大脑用各种借口自动屏蔽。他分享了一个瑞典朋友的故事：这位朋友在瑞典拿着高出平均水平50%的“不错工资”，却拒绝去旧金山尝试十倍收入的机会。Gabriel耗费一年时间，直接将朋友拉到一家公司创始人面前，才推动他迈出了那一步。最终，朋友的收入果真提高了十倍，却为此“损失”了一整套瑞典房子的价值。
Gabriel强调，对自己诚实，审视“我现在拿到的是不是我可能拿到的最好组合”，并勇于做出那些“不舒服”的决定，是摆脱这种“长期轻度痛苦状态”的关键。公司本质上只关心一件事：能否赚钱。而求职者需要做的，就是证明自己能帮他们赚钱。
对话未来的自己：低估自己，而非聪明
回顾自己的成长路径，Gabriel最大的心理障碍是“我觉得自己不够聪明”。小时候的他，常常觉得自己是个“傻子”，面对那些“造火箭、做巨大项目”的人，会感到巨大的落差，认为彼此之间存在“不可逾越的鸿沟”。
但现在，他可以大胆地说：
“我们大多数人都严重低估了自己能做到的事情。我可以很大胆地说：只要你现在在听这种内容，你很可能已经在‘人群前1%’了。”
他认为，绝大部分人不会主动花一个小时，认真听一段讨论“怎么改变自己人生路径”的访谈，而这种“能动性”本身就是最强大的信号。
Gabriel的故事，是写给所有曾感到迷茫、自卑、或被传统路径束缚的年轻人的信。它鼓励人们拥抱好奇心，利用AI作为加速学习的超级工具，直面真实世界的问题，主动创造并抓住机会。从瑞典小镇到OpenAI，Gabriel Petersson用自己的经历证明：文凭并非成功的入场券，真正强大的，是对知识的饥渴、对实践的执着，以及那颗敢于颠覆、敢于“野蛮生长”的心。在AI浪潮席卷而来的今天，他的范式，或许正成为重塑未来学习和职业路径的蓝图。