高中輟學(xué)無(wú)學(xué)歷，卻憑野路子闖進(jìn)OpenAI，躋身Sora團(tuán)隊(duì)深耕頂尖視頻模型研究？

Gabriel用實(shí)際經(jīng)歷打破行業(yè)固有認(rèn)知，更解鎖了大模型時(shí)代的高效成長(zhǎng)密碼。早年他從瑞典小鎮(zhèn)輟學(xué)投身創(chuàng)業(yè)，無(wú)技術(shù)基礎(chǔ)便硬闖市場(chǎng)，靠落地推薦系統(tǒng)項(xiàng)目倒逼自己成長(zhǎng)，摸透實(shí)戰(zhàn)比空想更重要的核心邏輯。

面對(duì)數(shù)學(xué)、機(jī)器學(xué)習(xí)等知識(shí)壁壘，他拒絕傳統(tǒng)低效學(xué)習(xí)模式，以ChatGPT為核心工具，用“項(xiàng)目驅(qū)動(dòng)+遞歸補(bǔ)洞”拆解難題，從完整代碼入手逐行鉆研，反向補(bǔ)齊底層知識(shí)，3天吃透擴(kuò)散模型核心，遠(yuǎn)超傳統(tǒng)路徑數(shù)年耗時(shí)。

他摒棄Vibe Coding浮躁心態(tài)，死磕細(xì)節(jié)、追著反饋成長(zhǎng)，靠Stack Overflow貢獻(xiàn)、扎實(shí)項(xiàng)目Demo敲開(kāi)頂級(jí)團(tuán)隊(duì)大門(mén)。這場(chǎng)不靠文憑的逆襲，本質(zhì)是用AI重構(gòu)學(xué)習(xí)邏輯，證明主動(dòng)突破與高效工具結(jié)合，能跨越學(xué)歷鴻溝，實(shí)現(xiàn)能力躍遷，為普通人提供全新成長(zhǎng)參考。以下，Enjoy：

本文轉(zhuǎn)載自公眾號(hào)“Info”

編譯 | Tina

一行一行讀代碼、拒絕“Vibe Coding”，靠 ChatGPT 反向?qū)W數(shù)學(xué)、擴(kuò)散模型等。這位參與 Sora 的 OpenAI 研究科學(xué)家，用最野路子的方式跑通了視頻生成架構(gòu)。

在 OpenAI 的 Sora 團(tuán)隊(duì)里，有這樣一個(gè)很“不硅谷”的研究科學(xué)家：高中輟學(xué)，沒(méi)有學(xué)歷、沒(méi)有競(jìng)賽背景，也不是那種靠 AI 糊代碼的 Vibe Coder。

他來(lái)自瑞典一個(gè)小鎮(zhèn)，高中沒(méi)畢業(yè)就離開(kāi)學(xué)校。當(dāng)年連吳恩達(dá)的機(jī)器學(xué)習(xí)課都看不懂、微積分也啃不下去，卻靠著一行行啃擴(kuò)散模型代碼、用 ChatGPT 反向補(bǔ)數(shù)學(xué)和 ML，硬生生闖進(jìn)舊金山，加入了 Sora 視頻模型團(tuán)隊(duì)，做著通常需要博士才能做的研究工作。

他的方法很“野”，卻極其可復(fù)制：項(xiàng)目驅(qū)動(dòng) + AI 遞歸式補(bǔ)洞 + 一行行看代碼的硬功夫。

所以，這篇文章不是在講“輟學(xué)生逆襲”，而是在拆解普通人如何在大模型時(shí)代，用 AI 把自己升級(jí)到博士級(jí)能力。

PS：

我們并不鼓吹輟學(xué)。過(guò)去硅谷熱衷渲染“輟學(xué)神話”，但大學(xué)所能提供的社交、資源與眼界，其實(shí)替代成本極高。Gabriel 自己也坦言，沒(méi)有文憑在部分場(chǎng)合下仍是限制，他只是選擇用更極端的方式“硬闖”過(guò)去。但如果你正在大學(xué)階段，身處安全且資源豐富的環(huán)境，并開(kāi)始運(yùn)用 Gabriel 學(xué)習(xí)方法，你的成長(zhǎng)速度，很可能會(huì)比傳統(tǒng)路徑快上 100 倍，甚至 1000 倍。

以下內(nèi)容為 Extraordinary.com 創(chuàng)始人 Cel Wen 播客采訪的中文整理，嘉賓為來(lái)自瑞典的高中輟學(xué)生、現(xiàn)任 OpenAI 研究科學(xué)家 Gabriel Petersson。

01

第一次創(chuàng)業(yè)：

拿著推薦系統(tǒng)和 A/B 測(cè)試腳本，一家家敲門(mén)賣(mài)方案

主持人：今天的嘉賓是 Gabriel Petersson，一位來(lái)自瑞典、曾經(jīng)的高中輟學(xué)生，現(xiàn)在是 OpenAI 的 AI 研究科學(xué)家，也是 ChatGPT 背后的公司成員。Gabriel 的故事非常吸引人。

我看到你發(fā)過(guò)一條推文：“五年前，我在幾乎沒(méi)有工程經(jīng)驗(yàn)的情況下從瑞典高中輟學(xué)，加入一家創(chuàng)業(yè)公司。今天，我加入了 OpenAI，成為一名研究科學(xué)家，與 Sora 團(tuán)隊(duì)一起構(gòu)建 AGI?！蹦闶窃趺醋龅降?？

Gabriel：這故事說(shuō)來(lái)挺長(zhǎng)的。我其實(shí)一直在琢磨 AI，大概是從看《超級(jí)智能》和《生命 3.0》那會(huì)兒開(kāi)始的。那兩本書(shū)我特別喜歡，而且作者剛好都是瑞典人，我就覺(jué)得：嗯，這里面肯定有點(diǎn)東西。

但當(dāng)時(shí)我一直覺(jué)得自己不夠聰明。我稍微查了一點(diǎn) AI 相關(guān)的內(nèi)容，又不會(huì)編程，就老覺(jué)得外面全是特別聰明的人，我根本不可能跟他們競(jìng)爭(zhēng)。最后我干脆去做工程師，在一個(gè)創(chuàng)業(yè)公司里當(dāng)了幾年“工程師打工人”。

主持人：你怎么會(huì)輟學(xué)？在你家鄉(xiāng)、你成長(zhǎng)的環(huán)境里，大家不都是照常讀書(shū)嗎？你怎么有勇氣離開(kāi)？

Gabriel：說(shuō)實(shí)話，我也不算是“下定決心”，更像是事情自己把我推著走到了那一步。有一天我表哥給我打電話，說(shuō)他剛認(rèn)識(shí)了一個(gè)特別聰明的人，對(duì)方有個(gè)用 AI 做推薦系統(tǒng)的點(diǎn)子，讓我們馬上一起把這個(gè)東西做出來(lái)賣(mài)給客戶。那個(gè)人當(dāng)時(shí)在新加坡做研究，我表哥就說(shuō)：“我們要立刻開(kāi)始干了，你趕緊來(lái)斯德哥爾摩。”

我還跟他說(shuō)：“哥們，我今晚有個(gè)超級(jí)大的派對(duì)?！?/p>

他說(shuō)：“不行，現(xiàn)在就來(lái)。”

于是我直接買(mǎi)了下一班去斯德哥爾摩的巴士票，去了之后，就再也沒(méi)有回學(xué)校上課。

主持人：你去了那家創(chuàng)業(yè)公司，后來(lái)怎么樣了？

Gabriel：我們當(dāng)時(shí)的點(diǎn)子是，給電商做一個(gè)產(chǎn)品推薦系統(tǒng)。但問(wèn)題是，我們幾個(gè)人對(duì)“創(chuàng)業(yè)”一無(wú)所知，不懂怎么獲客，也不懂怎么銷(xiāo)售。

一開(kāi)始我發(fā)冷郵件，幾乎沒(méi)人理。后來(lái)我開(kāi)始一個(gè)個(gè)打電話，有時(shí)能聊得不錯(cuò)，但說(shuō)到底，我只是個(gè) 18 歲、沒(méi)技術(shù)背景的小孩，很難讓人真信任。

再后來(lái)，我干脆上門(mén)推銷(xiāo)。

我會(huì)提前把對(duì)方的網(wǎng)站爬下來(lái)，訓(xùn)練一個(gè)新的推薦模型，然后把他們?cè)瓉?lái)的推薦結(jié)果和我們生成的推薦結(jié)果排成一張 A3 大圖打印出來(lái)，左邊是他們現(xiàn)在用的，右邊是我們的。

我大概做了一百多份，裝在文件夾里，挨個(gè)公司去敲門(mén)：“能幫我叫一下電商負(fù)責(zé)人或者 CEO 嗎？”

他們一看到那張對(duì)比圖，第一反應(yīng)都是震驚：“這些都是你們做的嗎，你是怎么做到的？”接下來(lái)問(wèn)的就是：“那要怎么上線？”

這時(shí)候我就說(shuō)：“沒(méi)問(wèn)題，我們今天就準(zhǔn)備好了，可以直接上線。”我隨身帶著一段腳本，可以直接貼進(jìn)他們網(wǎng)站的瀏覽器控制臺(tái)，把原來(lái)的推薦結(jié)果替換成我們的。腳本里還順帶集成了 A/B 測(cè)試，用來(lái)對(duì)比兩邊帶來(lái)的收益。很多時(shí)候，第一次見(jiàn)面我就能讓他們現(xiàn)場(chǎng)切到我們的方案——聽(tīng)起來(lái)瘋，但確實(shí)很有用。

當(dāng)然，后來(lái)也因此埋下了大坑：我們完全沒(méi)考慮可擴(kuò)展性和可維護(hù)性，只想著先把客戶拿下。整個(gè)團(tuán)隊(duì)一群 17、18 歲的輟學(xué)生，純靠一股蠻勁往前沖。

主持人：你們都在斯德哥爾摩線下做嗎？

Gabriel：對(duì)，我們?nèi)硕荚谀莾?。我住在我表哥的學(xué)生公寓里。房子特別小，說(shuō)是“宿舍”，其實(shí)就是普通公寓里分出來(lái)的小房間，只是只有學(xué)生才有資格住。提交資料時(shí)我們還得假裝他還在上大學(xué)。我整整一年睡在公共區(qū)域撿來(lái)的沙發(fā)靠墊上。房間又小又臟，但那就是我們的聯(lián)合辦公空間。

主持人：大多數(shù)人經(jīng)歷這些會(huì)選擇回學(xué)校，但你沒(méi)有。是什么讓你堅(jiān)持下來(lái)的？

Gabriel：我對(duì)現(xiàn)實(shí)的認(rèn)知一直很扭曲。我當(dāng)時(shí) 100% 確信自己會(huì)成為億萬(wàn)富翁，真的，一點(diǎn)懷疑都沒(méi)有。我確信我們?cè)谧觥跋乱粋€(gè)大項(xiàng)目”，其他事都不重要。于是我拼命干活，一次次熬通宵，滿斯德哥爾摩亂跑做銷(xiāo)售，想盡各種瘋狂的辦法去拿客戶。

02

最快的學(xué)習(xí)方式不是先把基礎(chǔ)學(xué)完，

而是被真實(shí)項(xiàng)目逼出來(lái)

主持人：你一開(kāi)始不會(huì)編程，那你是怎么學(xué)的？

Gabriel：主要是被逼出來(lái)的，因?yàn)槲覀儽仨毥o客戶做各種集成。最早是表哥教我 Java，我們一起寫(xiě)了一個(gè)很爛的回合制“寶可夢(mèng)”小游戲。后來(lái)我上過(guò)一個(gè) Udemy 的 Python 課，做了個(gè)同樣很糟糕的小游戲。我也試過(guò)上 Andrew Ng 的機(jī)器學(xué)習(xí)課，但完全看不懂，只覺(jué)得自己太笨了。

真正開(kāi)始學(xué)，是在創(chuàng)業(yè)之后，因?yàn)槟悴坏貌蝗プ瞿切┦拢簩?xiě)爬蟲(chóng)、做推薦系統(tǒng)、搭 A/B 測(cè)試、做各種集成。一旦面前有一個(gè)真實(shí)的問(wèn)題，學(xué)習(xí)反而變得簡(jiǎn)單很多。

你會(huì)去翻 Stack Overflow，卡住了就去問(wèn)身邊的朋友。有真實(shí)的工作壓力，你就被迫把東西學(xué)會(huì)。對(duì)我來(lái)說(shuō)，沒(méi)有壓力的時(shí)候幾乎完全學(xué)不進(jìn)去。

主持人：如果你要給另一個(gè)高中輟學(xué)生提建議，你會(huì)說(shuō)什么？

Gabriel：我算是非常幸運(yùn)的。我在瑞典一個(gè)叫 Vaggeryd 的小鎮(zhèn)長(zhǎng)大，身邊一個(gè)工程師都不認(rèn)識(shí)。高中時(shí)第一次見(jiàn)到程序員，我激動(dòng)得不行，問(wèn)他是不是會(huì)做網(wǎng)頁(yè)。

在那樣一個(gè)沒(méi)有工程師、沒(méi)有創(chuàng)業(yè)文化的地方，你很自然會(huì)覺(jué)得這一切都離自己非常遙遠(yuǎn)。而在舊金山，人們覺(jué)得創(chuàng)業(yè)是正常選項(xiàng)，很大程度上是因?yàn)樗麄兩磉吽腥硕荚谡務(wù)撨@些事。

我之所以能走出來(lái)，是因?yàn)橛龅搅四羌覄?chuàng)業(yè)公司，它給了我真正“下場(chǎng)實(shí)戰(zhàn)”的機(jī)會(huì)，這對(duì)我來(lái)說(shuō)是最重要的一次學(xué)習(xí)經(jīng)歷。如果別人想走一條類(lèi)似的路，我會(huì)建議他們盡快進(jìn)入市場(chǎng)，盡快去解決真實(shí)的問(wèn)題，并且真正為結(jié)果負(fù)責(zé)。

現(xiàn)在有了 ChatGPT，你甚至不需要一開(kāi)始就懂很多技術(shù)。你只需要證明自己會(huì)提問(wèn)題、會(huì)提需求、愿意親自去做，有很強(qiáng)的能動(dòng)性。你完全可以說(shuō)：技術(shù)細(xì)節(jié)我現(xiàn)在不會(huì)，但我會(huì)問(wèn) ChatGPT，我能從那里拿到我需要的任何知識(shí)。

知識(shí)本身，已經(jīng)不再是稀缺資源了。

主持人：以前你得先上課、看教材，把路鋪好，現(xiàn)在可以直接帶著問(wèn)題去問(wèn) AI。

Gabriel：對(duì)。人類(lèi)最快的學(xué)習(xí)方式，其實(shí)是自頂向下：先從一個(gè)真實(shí)任務(wù)開(kāi)始，再一路往下鉆，遇到哪個(gè)環(huán)節(jié)不懂，就現(xiàn)學(xué)哪個(gè)環(huán)節(jié)。

但學(xué)校沒(méi)法大規(guī)模這樣教，因?yàn)檫@要求老師隨時(shí)判斷你“下一步該學(xué)什么”。所以教育體系普遍選擇自底向上：先從數(shù)學(xué)、線性代數(shù)、矩陣這些基礎(chǔ)開(kāi)始，一層一層往上堆。這樣做很適合規(guī)?；虒W(xué)，但學(xué)習(xí)效率非常低。

現(xiàn)在有了 ChatGPT，這一點(diǎn)已經(jīng)被改寫(xiě)了。大學(xué)不再壟斷“基礎(chǔ)知識(shí)”的入口。我甚至很難認(rèn)真對(duì)待那些課程體系里還沒(méi)有把大模型相關(guān)內(nèi)容納入基礎(chǔ)部分的大學(xué)，這種東西理應(yīng)從很小的年紀(jì)就開(kāi)始接觸。

很多人會(huì)說(shuō)，用這種方式學(xué)習(xí)“永遠(yuǎn)無(wú)法真正理解問(wèn)題本質(zhì)”，但事實(shí)并非如此。你完全可以從任務(wù)出發(fā)，一路遞歸往下學(xué)，照樣能理解得很深。

比如我想學(xué)機(jī)器學(xué)習(xí)，我會(huì)先問(wèn) ChatGPT：我應(yīng)該做什么項(xiàng)目，讓它幫我設(shè)計(jì)一個(gè)項(xiàng)目計(jì)劃，從這里開(kāi)始。接著，我會(huì)先讓它寫(xiě)出一整段完整的機(jī)器學(xué)習(xí)代碼，肯定會(huì)有 bug，那就從修 bug 開(kāi)始，一點(diǎn)一點(diǎn)把它跑通。等到程序能跑了，我就會(huì)盯住某一小塊細(xì)節(jié)繼續(xù)追問(wèn)：“這一部分具體在做什么？能不能用更直觀的方式解釋一下，這個(gè)模塊為什么能讓模型學(xué)到東西？”

它會(huì)先給出一段解釋?zhuān)缓筇岬竭@里用了矩陣乘法、線性代數(shù)。那我就繼續(xù)問(wèn)：“這些東西本質(zhì)上是怎么工作的？背后的數(shù)學(xué)直覺(jué)是什么？能不能畫(huà)幾張示意圖，幫我把這塊機(jī)器學(xué)習(xí)模塊的直覺(jué)建立起來(lái)？”

這樣學(xué)，其實(shí)是從“上層任務(wù)”往下，把所有該補(bǔ)的基礎(chǔ)一點(diǎn)點(diǎn)補(bǔ)齊，而不是從最底層往上死磕多年。這個(gè)轉(zhuǎn)變，會(huì)從根本上改變教育的方式。

主持人：在學(xué)校里，關(guān)于 AI，有哪些東西是完全沒(méi)教，或者教偏了的？

Gabriel：首先，學(xué)校里對(duì) AI 的整體認(rèn)知就已經(jīng)錯(cuò)位了。ChatGPT 一出來(lái)，學(xué)生的第一反應(yīng)是：“太好了，有個(gè)東西能幫我把作業(yè)全做了?！?他們只看到這一點(diǎn)。老實(shí)說(shuō)，換成我當(dāng)學(xué)生的時(shí)候，大概也會(huì)這么想。

老師的第一反應(yīng)則是：“完了，大家都要用 AI 抄作業(yè)，我們得立刻禁止，AI 是個(gè)壞東西?！庇谑蔷托纬闪艘粋€(gè)互相強(qiáng)化的循環(huán)：在學(xué)生眼里，AI 等于作弊工具；在老師眼里，AI 等于作弊來(lái)源。在這種環(huán)境里，幾乎沒(méi)人有機(jī)會(huì)自然地去培養(yǎng)一種直覺(jué)：原來(lái) AI 是可以用來(lái)“學(xué)習(xí)”的。這個(gè)習(xí)慣不會(huì)憑空長(zhǎng)出來(lái)。

現(xiàn)在多少有點(diǎn)讓人開(kāi)心的變化是，我偶爾跟在瑞典念大學(xué)的朋友聊天，他們會(huì)說(shuō)：“我發(fā)現(xiàn)可以用 ChatGPT 幫我出小測(cè)。我把往年的真題都扔進(jìn)去，讓它總結(jié)這些題目背后共同考察的核心概念，或者讓它再出 10 道類(lèi)似的新題，這樣我能真正學(xué)懂他們到底想教什么?！?/p>

學(xué)生這邊，開(kāi)始有少數(shù)人摸到門(mén)道了。但老師整體上依然非常排斥 AI，這就很說(shuō)不通。如果老師愿意把敘事?lián)Q一下，從“AI 會(huì)讓你們作弊”變成“我來(lái)教你們?cè)趺从?AI 高效學(xué)習(xí)”，情況會(huì)完全不同。

想作弊的學(xué)生，不管有沒(méi)有 AI，總能找到辦法。如果沒(méi)有人告訴他們“AI 其實(shí)可以用來(lái)學(xué)東西”，他們自然只會(huì)把它當(dāng)成糊作業(yè)的工具。

老實(shí)說(shuō)，我以前也會(huì)想辦法作弊（笑），只不過(guò)那時(shí)候根本沒(méi)人告訴我，這類(lèi)工具其實(shí)可以拿來(lái)真正學(xué)習(xí)。

03

用 AI 自學(xué)數(shù)學(xué)和擴(kuò)散模型，

他一路走進(jìn) OpenAI Sora 團(tuán)隊(duì)

主持人：那你是怎么用 AI 來(lái)學(xué)習(xí)的？你是怎么靠 AI 自學(xué)數(shù)學(xué)和機(jī)器學(xué)習(xí)，最后做到現(xiàn)在在 OpenAI 做研究科學(xué)家的？

Gabriel：其實(shí)和我剛才講的思路差不多。我現(xiàn)在在 OpenAI 的 Sora 團(tuán)隊(duì)，主要做視頻模型。當(dāng)時(shí)我就想先搞懂圖像和視頻模型的基本概念，于是先問(wèn) ChatGPT：在這類(lèi)模型里，最基礎(chǔ)、最核心的概念有哪些？

它會(huì)開(kāi)始介紹，說(shuō)有自編碼器（autoencoder）、擴(kuò)散模型（diffusion model）之類(lèi)的東西。我聽(tīng)著覺(jué)得很眼熟，這些名字到處都能看到，感覺(jué)挺酷。下一步我就直接讓它把一個(gè)完整的擴(kuò)散模型代碼寫(xiě)出來(lái)。

它會(huì)一下子吐出一大段代碼，我第一反應(yīng)就是：“這都是什么東西？” 但沒(méi)關(guān)系，接下來(lái)就是一起 debug。我把報(bào)錯(cuò)貼給它，我們一起對(duì)著改。隨著代碼慢慢能跑起來(lái)，我也開(kāi)始一點(diǎn)點(diǎn)建立直覺(jué)：這里在發(fā)生什么，那里在做什么，每一行代碼的作用是什么。

比如在擴(kuò)散模型里會(huì)用到 ResNet 塊（殘差網(wǎng)絡(luò)模塊），里面有一堆變換，還有一條殘差連接，讓一部分信息可以直接“穿過(guò)去”，從而讓模型更容易學(xué)習(xí)。一開(kāi)始我完全不知道這一塊在干嘛，就不停地追問(wèn) ChatGPT。

它一開(kāi)始會(huì)給出類(lèi)似我剛才那種比較高層的解釋?zhuān)隳X子里還是有一大堆問(wèn)號(hào)：到底什么意思，“更好學(xué)”具體指什么？那就繼續(xù)往下追問(wèn)，問(wèn)它為什么這樣的結(jié)構(gòu)會(huì)讓模型更好訓(xùn)練，如果不用這類(lèi)結(jié)構(gòu)會(huì)發(fā)生什么。它就會(huì)開(kāi)始說(shuō)明梯度是怎么流動(dòng)的，在什么情況下會(huì)被截?cái)?，在什么結(jié)構(gòu)里會(huì)消失，等等。你就這樣一輪一輪往下問(wèn)，把問(wèn)題拆得越來(lái)越細(xì)，直到你真的覺(jué)得“哦，我懂了”。

當(dāng)你覺(jué)得自己理解了，還可以反過(guò)來(lái)把自己的理解用一段話講給模型聽(tīng)，讓它幫你檢查：“這是我對(duì)這個(gè)概念的理解，對(duì)不對(duì)？” 這樣既能校正，又能補(bǔ)上你忽略的細(xì)節(jié)。

同時(shí)，你還能用很多小技巧，比如讓它用“我只有 12 歲”的理解水平來(lái)解釋一個(gè)概念，或者讓它用一個(gè)非常具體的場(chǎng)景打比方，比如“想象你走進(jìn)一家書(shū)店，每本書(shū)的擺放方式就是一個(gè)向量嵌入”。它會(huì)把抽象的概念和現(xiàn)實(shí)世界的東西綁在一起，對(duì)我這種人特別好理解。

04

“遞歸式補(bǔ)洞”：從一個(gè)項(xiàng)目一路補(bǔ)完數(shù)學(xué)和 ML 基礎(chǔ)

主持人：所以，現(xiàn)在幾乎任何主題，你都可以只靠 ChatGPT 來(lái)學(xué)。先問(wèn)它：“如果我要學(xué)這個(gè)，需要先理解哪些前置知識(shí)？” 它會(huì)給出一長(zhǎng)串清單。然后你從其中一個(gè)線頭開(kāi)始往下拽，就像我學(xué)視頻模型時(shí)，是先抓住“擴(kuò)散模型”這一塊，追著問(wèn)它到底是怎么工作的。

接下來(lái)，就是一段一段往下追問(wèn)：這部分我不懂，這個(gè)符號(hào)是什么，這個(gè)結(jié)構(gòu)為什么要這么設(shè)計(jì)，這里的數(shù)學(xué)是怎么推出來(lái)的。通過(guò)這種不斷追問(wèn)、不斷校正的過(guò)程，把整套東西真正學(xué)明白。

我在 X 上看過(guò)你發(fā)的很多帖子，感覺(jué)你就是在不斷用 AI 做這種“再解釋”，直到你真正吃透為止。這有點(diǎn)像費(fèi)曼學(xué)習(xí)法：最好的學(xué)習(xí)方式是把概念重新講給別人聽(tīng)。而現(xiàn)在，“別人”可以是 AI。你在學(xué)擴(kuò)散模型，前面其實(shí)連梯度是什么都不知道，它會(huì)順帶給你講微積分、講線性代數(shù)。等你自己覺(jué)得差不多了，你再把自己的理解講回給模型，它再幫你指出哪些地方還不清楚，如此循環(huán)，直到掌握得非常扎實(shí)。

Gabriel：我自己把這一整套過(guò)程叫作“遞歸式補(bǔ)洞”。如果要用一個(gè)詞來(lái)概括，我覺(jué)得最關(guān)鍵的能力是：知道自己哪里沒(méi)懂。你可以想象，有一個(gè) AI 模型，或者一個(gè)你正在學(xué)的領(lǐng)域，你要能敏銳地察覺(jué)到：“等等，其實(shí)這一塊我并沒(méi)有真正理解?！?這不是天生就會(huì)的，而是需要刻意訓(xùn)練的。你得不停地問(wèn)自己一句話：我是不是真的懂了？

這是第一個(gè)信號(hào)。第二個(gè)信號(hào)，是當(dāng)你不斷提問(wèn)、反復(fù)追問(wèn)的時(shí)候，會(huì)在某個(gè)瞬間突然有種“啊，原來(lái)是這樣”的感覺(jué)，像心里有個(gè)開(kāi)關(guān)被按下去一樣。一旦你抓住這種“卡嗒一聲”的時(shí)刻，你就知道自己真的理解了。接下來(lái)，你要做的，就是不斷調(diào)整問(wèn)題、優(yōu)化提問(wèn)的方式，讓這種“啊哈時(shí)刻”出現(xiàn)得越來(lái)越快、越來(lái)越頻繁。

第一步，其實(shí)是要把“AI 幫我干活”這個(gè)誤解，換成“AI 幫我學(xué)習(xí)”。不要只把它當(dāng)成一個(gè)幫你完成任務(wù)的工具，而是要當(dāng)成一個(gè)可以隨時(shí)提問(wèn)、隨時(shí)互動(dòng)的老師。只要完成這一點(diǎn)，你其實(shí)已經(jīng)走完了大半程。之后如果想變得真正厲害，就要回到剛才說(shuō)的兩點(diǎn)：一是訓(xùn)練自己識(shí)別知識(shí)里的“空洞”，也就是到底是哪里沒(méi)弄明白；二是訓(xùn)練自己捕捉“真正理解”的感覺(jué)，知道什么時(shí)候是“從根上搞懂了”。

你還會(huì)不斷發(fā)明各種“黑科技式”的用法。因?yàn)槟Ｐ湍J(rèn)的回答方式，是想照顧“大多數(shù)人”的體驗(yàn)，但你自己的最佳學(xué)習(xí)方式，往往和它的默認(rèn)回答風(fēng)格不一樣。所以我經(jīng)常給它加前置說(shuō)明，比如：

• “請(qǐng)極度直接、極度具體?！?/p>

• “一定要給出所有中間步驟和中間狀態(tài)?！?/p>

• “務(wù)必幫我建立直覺(jué)，告訴我為什么會(huì)這樣。”

• “如果你不確定，就列出幾個(gè)不同方案，說(shuō)明各自的優(yōu)缺點(diǎn)、誰(shuí)試過(guò)、為什么有效或無(wú)效?！?/p>

你要學(xué)會(huì)通過(guò)這樣的提示，讓 AI 更快地把你送到那個(gè)“啊哈時(shí)刻”。你第一次真正搞懂線性代數(shù)，第一次搞懂反向傳播的時(shí)候，那種“終于通了”的感覺(jué)肯定記得。你要做的，就是讓這種感覺(jué)出現(xiàn)得越來(lái)越密集，把它當(dāng)成你學(xué)習(xí)過(guò)程里的目標(biāo)函數(shù)。

主持人：聽(tīng)起來(lái)，在今天這個(gè)時(shí)代，想保持競(jìng)爭(zhēng)力、做到某個(gè)領(lǐng)域的頂尖，一個(gè)關(guān)鍵能力就是快速、持續(xù)地向 AI 提問(wèn)，從而快速獲取和吸收信息。

Gabriel：是的。而且還有一個(gè)非常重要的習(xí)慣：只要腦子里冒出一個(gè)問(wèn)題，就要立刻把它丟給 ChatGPT。

這一點(diǎn)我自己也是花了很久才養(yǎng)成的。還記得最早那批 GPT-3 playground 出來(lái)的時(shí)候，我表哥就問(wèn)我，為什么還不用它，我整天都在寫(xiě)代碼。他反復(fù)勸我去試試，我每次都敷衍一句“好，我改天用用”，他幾乎每個(gè)月都會(huì)再提醒我一次。結(jié)果我整整花了一年時(shí)間，才真正形成條件反射：一旦遇到問(wèn)題，第一反應(yīng)就是“我應(yīng)該問(wèn)一下 ChatGPT”。

你會(huì)發(fā)現(xiàn)，很多人現(xiàn)在還沒(méi)做到這點(diǎn)。平時(shí)聊天、討論問(wèn)題的時(shí)候，大家腦子里問(wèn)號(hào)一堆，卻沒(méi)人打開(kāi) ChatGPT。在共享辦公空間，你能看到很多人苦思冥想，你只想跟他們說(shuō)一句：為什么不先問(wèn)一下它？

理想的狀態(tài)是，只要你在猜、在猶豫、在困惑，問(wèn)題就應(yīng)該直接丟給 ChatGPT。它一直在那里，調(diào)用成本極低。關(guān)鍵在于，你要對(duì)“快速獲得那個(gè)啊哈時(shí)刻”這件事本身產(chǎn)生一種上癮感。

這背后還需要一項(xiàng)硬技能：你得學(xué)會(huì)用最適合自己的方式去“調(diào)教”它。比如，有的人需要大量比喻，有的人需要具體例子，有的人需要圖示和中間步驟，你要找到最貼合自己學(xué)習(xí)風(fēng)格的那一種，讓它按照這種方式來(lái)講解。

我其實(shí)覺(jué)得自己挺笨的。很多時(shí)候我問(wèn)完，它解釋了一大段，我還是會(huì)說(shuō)，我還是沒(méi)懂，這太難了。那就再問(wèn)一次，再換一種表達(dá)方式。你可以問(wèn)它，如果這個(gè)世界上沒(méi)有這些特性，這個(gè)概念還會(huì)被發(fā)明出來(lái)嗎，讓它講講在那種情況下人們會(huì)怎么做；或者讓它假設(shè)聽(tīng)眾是十二歲的孩子，再解釋一遍；或者讓它畫(huà)幾張圖，把你需要理解的分布都畫(huà)出來(lái)。

你可以用很多非常有創(chuàng)意的方式，從 ChatGPT 里把你需要的信息一點(diǎn)一點(diǎn)“榨”出來(lái)。尤其是在早期模型還沒(méi)現(xiàn)在這么強(qiáng)的時(shí)候，有些東西如果我不會(huì)問(wèn)、不會(huì)逼它不停換說(shuō)法解釋?zhuān)赡芨緦W(xué)不進(jìn)去。我會(huì)讓它圍著同一個(gè)問(wèn)題換著講、一遍又一遍地講，直到有一次突然“咔噠”一下，整件事在腦子里對(duì)上號(hào)。

這也是為什么我覺(jué)得，ChatGPT 這種東西應(yīng)該從小學(xué)階段就開(kāi)始教。它本質(zhì)上是一門(mén)新語(yǔ)言。你當(dāng)然還需要?jiǎng)?chuàng)造力、主動(dòng)性這些人類(lèi)特質(zhì)，但在“獲取知識(shí)”這件事情上，我們已經(jīng)進(jìn)入了一個(gè)完全不同的時(shí)代，和過(guò)去根本不在一個(gè)量級(jí)上。

05

沒(méi)有博士學(xué)位，也能做“博士崗”

Gabriel：舉個(gè)非常具體的例子?，F(xiàn)在我做的工作，傳統(tǒng)上大家基本都會(huì)認(rèn)為：必須讀到博士才能勝任。雖然也有少數(shù)沒(méi)讀博的人做到過(guò)，但如果你在五年前跟人說(shuō)：“頂級(jí) AI 實(shí)驗(yàn)室會(huì)招一個(gè)沒(méi)走過(guò)傳統(tǒng)學(xué)術(shù)路子的人，只是他在別的領(lǐng)域做過(guò)一些有意思的東西，然后他靠自學(xué)就能做研究?！?大多數(shù)人都會(huì)覺(jué)得不可能。

但我們現(xiàn)在就活在這個(gè)世界里：我能用 ChatGPT 做一份傳統(tǒng)上需要“聰明人讀很多年博士”才能做的工作。這太夸張了。

有了 ChatGPT 之后，世界發(fā)展的速度會(huì)快得不可思議。你幾乎可以在任何領(lǐng)域做研究——想做生物、想做硬件，都可以直接開(kāi)始。

我相信，僅僅是大語(yǔ)言模型一項(xiàng)技術(shù)，就會(huì)帶來(lái)世界 GDP 的兩位數(shù)百分比增長(zhǎng)。而任何人，只要真的會(huì)用 ChatGPT，就能分到一杯羹?，F(xiàn)在也就 20 美元一個(gè)月，帶推理能力的版本在寫(xiě)代碼、解釋概念這方面已經(jīng)非常強(qiáng)了。

主持人：那你在構(gòu)建世界上最好的視頻模型之一的時(shí)候，具體是怎么用 ChatGPT 來(lái)一邊工作、一邊學(xué)習(xí)的？

Gabriel：其實(shí)非常簡(jiǎn)單。很多人問(wèn)我這個(gè)問(wèn)題，總覺(jué)得背后一定有一套特別復(fù)雜、神秘的工作流。

現(xiàn)實(shí)中是這樣的：你先看一大堆模型生成的視頻，發(fā)現(xiàn)某個(gè)地方“看著不太對(duì)勁”。接著你就去改模型結(jié)構(gòu)，或者改數(shù)據(jù)，或者嘗試別的調(diào)整。然后重新訓(xùn)練，再看一輪視頻。邊看邊想：這一次整體效果更好了，很好，這一版可以合入主模型。接下來(lái)就問(wèn)自己：下一個(gè)最想修的問(wèn)題是什么？下一個(gè)值得嘗試的方向是什么？

這時(shí)候 AI 就特別好用。

我會(huì)直接把代碼庫(kù)丟給它，讓它基于一個(gè)很具體的問(wèn)題提意見(jiàn)，比如：我現(xiàn)在遇到的是這個(gè)問(wèn)題，這是當(dāng)前的代碼結(jié)構(gòu)，給我十個(gè)可以改進(jìn)它的思路。

它會(huì)給出很多建議，順帶引用一些相關(guān)論文，很多好點(diǎn)子，非常適合頭腦風(fēng)暴。然后你再把這些想法拿去和同事討論，他們都非常厲害，會(huì)一起判斷哪些值得真正去嘗試。

主持人：那它是怎么給你推薦論文的？

Gabriel：有時(shí)候是模型直接記住了那些著名論文的鏈接，比如 GPT-4.0 甚至更早的版本，就能把常見(jiàn)論文的鏈接直接打印出來(lái)，你點(diǎn)開(kāi)就行。

你也可以開(kāi)著聯(lián)網(wǎng)模式，對(duì)它說(shuō)：“幫我找?guī)灼懻撨@個(gè)問(wèn)題的論文?！?/p>

當(dāng)然，我不會(huì)從頭到尾一字一句把論文都讀完。我會(huì)給 ChatGPT 一套指令，比如：“請(qǐng)列出這篇論文和我已知方法相比，到底做了哪些不同的事情，要非常具體。”

很多論文其實(shí)就是在已有技術(shù)上加幾個(gè)關(guān)鍵變化。你只要讓它把這些差異提煉出來(lái)，對(duì)比一下，有的論文，你一看就知道“這個(gè)估計(jì)不值得試”；有的論文，你會(huì)覺(jué)得“這個(gè)真不錯(cuò)”，那才值得你花時(shí)間深入閱讀、真正實(shí)現(xiàn)。

而在實(shí)現(xiàn)階段，我經(jīng)常是直接把自己現(xiàn)有的代碼丟進(jìn)去，對(duì)它說(shuō)：“請(qǐng)把這篇論文的方法整合進(jìn)我的代碼里。”然后復(fù)制粘貼開(kāi)始調(diào)試。

當(dāng)然，我最后還是會(huì)認(rèn)真把代碼一行一行讀一遍。我覺(jué)得這點(diǎn)極其重要，你不能只是把一堆代碼往項(xiàng)目里一扔就算完事。

我不是那種“vibe coder”（全靠模型糊代碼的人）。在寫(xiě)代碼這件事上，我的觀點(diǎn)非常強(qiáng)烈也很挑剔。

主持人：聽(tīng)起來(lái)你的路徑完全不一樣。如果你真想把東西做扎實(shí)，尤其是站在一個(gè)領(lǐng)域前沿，你就必須把所有細(xì)節(jié)都搞懂，對(duì)吧？

Gabriel：對(duì)，我想把所有基礎(chǔ)都搞明白。很多人第一反應(yīng)是：“哦，你就是想走捷徑，不是真的想搞懂，只想靠一堆 AI 垃圾代碼混過(guò)去?！钡谖铱磥?lái)，正確的捷徑是：用捷徑去搞懂所有基礎(chǔ)。這個(gè)區(qū)別非常重要。

現(xiàn)在好像只有兩派：

• 一派是：“AI 幫我干完所有活，我自己什么都不想學(xué)”；

• 另一派是：“必須去讀大學(xué)，基礎(chǔ)知識(shí)只掌握在學(xué)院手里，必須由教授一點(diǎn)點(diǎn)教起。”

而我大概卡在中間：我覺(jué)得基礎(chǔ)都很重要，你確實(shí)要學(xué)；但 AI 又是一個(gè)極好的工具，你應(yīng)該用它來(lái)理解一切，用它來(lái)增強(qiáng)大腦、增強(qiáng)自己的能力，形成一種人類(lèi)與 AI 的共生。

06

從斯德哥爾摩到舊金山：

靠一身“野路子技能”闖進(jìn)灣區(qū)

主持人：你在斯德哥爾摩、離開(kāi)第一家創(chuàng)業(yè)公司之后，是怎么一步步來(lái)到舊金山的？中間經(jīng)歷了什么？

Gabriel：我一直知道自己想繼續(xù)在創(chuàng)業(yè)公司工作，也一直盯著舊金山——因?yàn)槲艺J(rèn)識(shí)的最厲害的人都搬來(lái)了這里，大家口中最好的公司也都在這里。我很快意識(shí)到，自己應(yīng)該把“盡快提升學(xué)習(xí)速度”當(dāng)成首要目標(biāo)。可惜那會(huì)兒還沒(méi)有 ChatGPT?，F(xiàn)在想想，如果在我開(kāi)始學(xué)東西時(shí)就有 ChatGPT，我現(xiàn)在可能已經(jīng)是億萬(wàn)富翁了（笑）。

在那之前，最好的辦法就是：去和最頂尖的人一起工作。

那怎么做到呢？你就盡可能多地和公司聊，多面試、多交流。反過(guò)來(lái)“面試”面試你的人：

• 你之前做過(guò)什么？

• 你們團(tuán)隊(duì)會(huì)認(rèn)真做 code review 嗎？

• 你會(huì)不會(huì)在 PR 里指出我所有錯(cuò)誤、告訴我哪里寫(xiě)得不好？

后來(lái)我確實(shí)加入了幾家有非常優(yōu)秀工程師的公司。我也刻意盡量以“合同工”的形式工作。因?yàn)槲矣X(jué)得：很多人職業(yè)生涯里最大的錯(cuò)誤，就是在早期待在同一家公司太久。這是我看到的最嚴(yán)重、也最常見(jiàn)的問(wèn)題。

主持人：聽(tīng)起來(lái)，你在輟學(xué)一年左右、離開(kāi)第一家公司之后，就一直在尋找你心目中“最強(qiáng)的團(tuán)隊(duì)、最強(qiáng)的工程師”，去他們那里工作一段時(shí)間，學(xué)到東西之后，再尋找下一次機(jī)會(huì)和更合適的團(tuán)隊(duì)？

Gabriel：差不多這樣。我那段時(shí)間幾乎只接合同崗位，就是為了讓自己“機(jī)動(dòng)性”非常強(qiáng)，可以隨時(shí)換到更適合學(xué)習(xí)的環(huán)境。

• 你盡量去找最好的團(tuán)隊(duì)；

• 盡量貼著這些最強(qiáng)的人一起工作；

• 在工作內(nèi)容上保持自己的主見(jiàn)，不要只接沒(méi)人愿意做的雜活，因?yàn)槟菍W(xué)不到東西；

• 對(duì)幫你做 code review 的人，表達(dá)非常多的感謝——那是最好的反饋來(lái)源。

你要主動(dòng)去“追著反饋跑”。比如直接跟對(duì)方說(shuō)： “我特別喜歡你給我的這些 review，你以后能不能幫我看所有 PR？” 對(duì)方往往會(huì)有點(diǎn)震驚：“哇，第一次有人說(shuō)喜歡被挑毛病。”

主持人：是，很多人一工作，就覺(jué)得“我已經(jīng)受完教育了，不想再被人挑錯(cuò)”。但對(duì)你來(lái)說(shuō)，你是一個(gè)沒(méi)學(xué)歷、沒(méi)背景的年輕人，幾乎一無(wú)所有。

Gabriel：對(duì)，我沒(méi)有任何光環(huán)，沒(méi)有文憑。對(duì)我來(lái)說(shuō)，唯一的學(xué)習(xí)路徑，就是盡量加入最好的團(tuán)隊(duì)，保持高度機(jī)動(dòng)，多換環(huán)境，然后死磕反饋。

你甚至可以主動(dòng)打電話給那個(gè)給你提了很多意見(jiàn)的工程師，說(shuō)：你的代碼 review 非常好，我們能不能開(kāi)個(gè)會(huì)，把每一條評(píng)論都過(guò)一遍？從這樣的對(duì)話里，你會(huì)學(xué)到大量第一性原理和工程直覺(jué)。要成為一個(gè)真正優(yōu)秀的工程師是很難的，這個(gè)領(lǐng)域太寬了，需要掌握的底層規(guī)律和直覺(jué)非常多。你懂了之后，它們看著都很簡(jiǎn)單，但在此之前，其實(shí)很難真正學(xué)會(huì)。

過(guò)去，這些東西你只能從資深工程師、老師身上學(xué)，現(xiàn)在有了 AI，你在任何公司、任何時(shí)間點(diǎn)，都可以按需獲得這種“輔導(dǎo)”。想象一下：凌晨四點(diǎn)，你還在寫(xiě)代碼、做實(shí)驗(yàn)、寫(xiě)論文，你隨時(shí)都能把東西丟給 AI，讓它幫你審代碼、解釋原理、分析為什么這種設(shè)計(jì)更好。我現(xiàn)在就是這么干的。

我認(rèn)為，當(dāng)你發(fā)現(xiàn)一件事情在你身上“特別有效”，就應(yīng)該把它發(fā)揮到極致。對(duì)我來(lái)說(shuō)，就是盡可能多地提問(wèn)。一天問(wèn)它一百個(gè)問(wèn)題也沒(méi)問(wèn)題。

我瀏覽器里總是開(kāi)著 ChatGPT，一邊寫(xiě)代碼一邊隨手扔過(guò)去，讓它看一眼：這樣寫(xiě)好嗎？這里會(huì)不會(huì)有 bug？有沒(méi)有更簡(jiǎn)潔的寫(xiě)法？有時(shí)候它會(huì)說(shuō)看起來(lái)沒(méi)問(wèn)題，有時(shí)候會(huì)指出一個(gè) bug，或者告訴你可以用更簡(jiǎn)單的方式實(shí)現(xiàn)。你就這樣不斷地學(xué)。

主持人：如果你每天都能?chē)@真實(shí)問(wèn)題提上幾十上百個(gè)高質(zhì)量問(wèn)題，你的成長(zhǎng)速度會(huì)遠(yuǎn)遠(yuǎn)超過(guò) 99.9% 的人——而你“只是一個(gè)高中輟學(xué)生”。

Gabriel：當(dāng)然，我還是覺(jué)得人類(lèi)給的建議非常重要，尤其是在觀點(diǎn)和判斷層面。畢竟模型是吃全網(wǎng)數(shù)據(jù)長(zhǎng)大的，里面有各種各樣的立場(chǎng)和偏見(jiàn)，有時(shí)候難免會(huì)有奇怪的看法。和真正厲害的人一起工作，依然非常有價(jià)值。只不過(guò)現(xiàn)在，你已經(jīng)可以用 AI 獲得他們大概 95% 的知識(shí)增益。

07

沒(méi)學(xué)歷，怎樣敲開(kāi) OpenAI 這類(lèi)頂級(jí)團(tuán)隊(duì)的大門(mén)？

主持人：一方面，和最厲害的人共事，拿他們的反饋；另一方面，隨時(shí)隨地不斷追問(wèn) AI，對(duì)任何你想解決的問(wèn)題、任何你想掌握的概念，建立起非常深入的理解。你一邊從這些資深工程師身上學(xué)習(xí)，一邊在不同公司做合同工，有 YC 公司，也有其他創(chuàng)業(yè)公司。那在你沒(méi)有學(xué)歷、沒(méi)有高中畢業(yè)證的前提下，你是怎么最后來(lái)到美國(guó)的？

Gabriel：這要從我加入的一家公司 Dataland 說(shuō)起。我們做的是類(lèi)似 Airtable，但性能更好、更偏開(kāi)發(fā)者、也更容易擴(kuò)展的那種“表格數(shù)據(jù)庫(kù)”。

對(duì)我來(lái)說(shuō)，這是職業(yè)生涯里一個(gè)非常關(guān)鍵的選擇。在那里，我遇到了一位非常厲害的工程師，他既熱衷教人，又對(duì)“寫(xiě)出干凈、正確的代碼”極度執(zhí)著。

對(duì)我來(lái)說(shuō)，這簡(jiǎn)直是完美組合：我寫(xiě)代碼，他在一個(gè) PR 里能給我提上百條評(píng)論，隨時(shí)可以打電話問(wèn)他“這段應(yīng)該怎么寫(xiě)得更好”。他會(huì)從第一性原理講起，解釋為什么要這樣設(shè)計(jì)、這樣抽象、這樣拆分，這種指導(dǎo)非常寶貴。那段時(shí)間我人在瑞典遠(yuǎn)程工作，他在紐約。慢慢地，我就開(kāi)始認(rèn)真想：“我真的很想去美國(guó)。”

當(dāng)時(shí)我們短暫?jiǎn)?dòng)過(guò)一個(gè)偏“實(shí)習(xí)性質(zhì)”的簽證方案，大家都覺(jué)得，以我這種背景，拿一些“高門(mén)檻簽證”不太現(xiàn)實(shí)，聽(tīng)上去像是只有特別頂級(jí)學(xué)術(shù)成就的人才有機(jī)會(huì)。后來(lái)公司 pivot，我選擇離開(kāi)，開(kāi)始認(rèn)真想下一步。我用短期停留身份來(lái)舊金山待了幾個(gè)月，到處和人聊天，看這里的人都在做什么、在哪些公司、讀什么書(shū)，一邊探索、一邊找機(jī)會(huì)。最后，我加入了 MidJourney。

加入 MidJourney 之后，我才真正覺(jué)得：“也許我真的可以試著申請(qǐng)高門(mén)檻簽證。”結(jié)果發(fā)現(xiàn)，路徑比我想象中靈活得多。比如，在我的材料里，就用到了我在 Stack Overflow 上的回答。

我表哥以前還吐槽過(guò)：“你老在 Stack Overflow 上回答問(wèn)題，是不是在浪費(fèi)時(shí)間？”我當(dāng)時(shí)只說(shuō)：“說(shuō)不定以后會(huì)有用。”結(jié)果后來(lái)真的派上用場(chǎng)：

• 我的回答累積了幾百萬(wàn)次瀏覽；

• 很多同行會(huì)去審查、糾正你的答案，不靠譜的內(nèi)容會(huì)被踩、被刪；

• 如果有大量點(diǎn)贊，就說(shuō)明你確實(shí)幫到了很多人。

這些都可以作為“你對(duì)這個(gè)領(lǐng)域有實(shí)質(zhì)貢獻(xiàn)”的證據(jù)。類(lèi)似的，GitHub、Stack Overflow 其實(shí)都是向世界證明你實(shí)力的很好載體，也可以成為你進(jìn)入頂級(jí)公司、來(lái)到美國(guó)的重要籌碼。

主持人：MidJourney 是全球最知名、也是最強(qiáng)的 AI 圖像生成公司之一。你是怎么進(jìn)去的？

Gabriel：這個(gè)過(guò)程其實(shí)很難“按步驟設(shè)計(jì)”。你很難下定一個(gè)目標(biāo)，說(shuō)“我要去那家公司”，然后按路線圖一路走到終點(diǎn)。你真正能做的，是在各個(gè)地方不斷給自己制造小概率的機(jī)會(huì)。

把自己做過(guò)的東西發(fā)出來(lái)，認(rèn)認(rèn)真真做幾個(gè)扎實(shí)的 demo，盡可能多去認(rèn)識(shí)人、多參加活動(dòng)，多跟人聊，然后請(qǐng)別人幫你引薦，而且最好是當(dāng)場(chǎng)把這件事敲定。比如對(duì)方說(shuō)可以介紹你給某個(gè)人，你就順勢(shì)說(shuō)：那我們現(xiàn)在就發(fā)封郵件？這種做法能動(dòng)性很高，會(huì)逼著事情真的發(fā)生。

同時(shí)，你要非常清楚地表達(dá)：你能為對(duì)方創(chuàng)造什么價(jià)值，讓別人意識(shí)到你不是一個(gè)完全空白的“nobody”?？陀^說(shuō)，我本身就是一個(gè) nobody，只是來(lái)自瑞典小鎮(zhèn)的高中輟學(xué)生。但只要你手里有拿得出手的東西，比如我當(dāng)時(shí)做過(guò)一個(gè)叫 FastGrid 的項(xiàng)目，一個(gè)高性能的 Web 表格組件。

只要遇到我覺(jué)得可能會(huì)有交集、或者將來(lái)能互相幫忙的人，我都會(huì)順手打開(kāi)給他們看：這是我做的，你可以點(diǎn)一點(diǎn)試試。對(duì)方通常都會(huì)說(shuō)一句：這也太酷了吧。

一旦他們意識(shí)到你確實(shí)有真本事，就會(huì)愿意把你介紹給他們那些在創(chuàng)業(yè)、在招人的朋友。因?yàn)槿绻阕詈蟊粚?duì)方錄用了，那個(gè)幫你引薦的人也能收獲一份“社交紅利”——?jiǎng)e人會(huì)記得：這次招到的好人，是他介紹來(lái)的。

主持人：如果像你當(dāng)年那樣，來(lái)自瑞典某個(gè)偏遠(yuǎn)小鎮(zhèn)，是一個(gè)“完全沒(méi)有背景的 nobody”，要怎么向重要的人證明自己的價(jià)值？

Gabriel：我給的第一條建議是：做一個(gè)非常非常好的 Demo，而且要足夠簡(jiǎn)單。

做一個(gè)好 demo 的難點(diǎn)，其實(shí)不在技術(shù)復(fù)雜度，而在于：

1. 3 秒鐘之內(nèi)，讓別人看懂你做的是什么；

2. 3 秒鐘之內(nèi)，讓別人看出你會(huì)寫(xiě)代碼、而且寫(xiě)得不差。

你可能有上百個(gè)競(jìng)爭(zhēng)者，對(duì)方只會(huì)隨手點(diǎn)開(kāi)你一個(gè)鏈接，你只有這一次機(jī)會(huì)。這個(gè) demo 必須讓人一眼明白自己在看什么，以及你大概有多能打。

公司本質(zhì)上只關(guān)心一件事：能不能賺錢(qián)。你只要讓他們快速意識(shí)到你會(huì)寫(xiě)代碼，而且你能幫他們賺錢(qián)，他們就會(huì)認(rèn)真看你。很多人說(shuō)“公司只招有學(xué)歷的”，往往不是因?yàn)楣久孕盼膽{，而是壓根沒(méi)有人真正向他們證明過(guò)“我能把這份工作干好”，他們只好退而求其次，用學(xué)歷、名校、實(shí)習(xí)頭銜這些“代理信號(hào)”來(lái)判斷。

所以你會(huì)看到面試場(chǎng)上都是類(lèi)似的介紹：我讀過(guò)某某名校，在某某公司實(shí)習(xí)，把流水線優(yōu)化了 30%。HR 聽(tīng)完很難判斷什么，只會(huì)按這些標(biāo)簽往前篩。你爸媽和老師會(huì)告訴你這些東西很重要，但對(duì)真正拍板的人來(lái)說(shuō)，這些只是在沒(méi)人拿出“硬證明”時(shí)的次優(yōu)選擇。

對(duì)公司里不同角色來(lái)說(shuō)，關(guān)注點(diǎn)也不一樣。CEO 只在乎你能不能幫公司掙錢(qián)；層級(jí)往下走，負(fù)責(zé)招聘的人和實(shí)際業(yè)務(wù)結(jié)果的聯(lián)系越來(lái)越弱，他們更在乎“不要背鍋”，于是就會(huì)傾向于說(shuō)：“我招的是名校生，出了問(wèn)題也不能怪我。”

所以我一般會(huì)建議兩件事：盡量不要只和不懂技術(shù)的招聘官周旋，因?yàn)樗麄冎荒芸次膽{和名頭；盡量直接去找真正做事的人，比如技術(shù)負(fù)責(zé)人、團(tuán)隊(duì) leader、創(chuàng)始人。很多人不知道，其實(shí)你完全可以直接去跟這些人聊，去技術(shù)活動(dòng)現(xiàn)場(chǎng)，去找正在創(chuàng)業(yè)、在招人的人。

幾乎所有創(chuàng)業(yè)公司都渴望高能動(dòng)性、肯自學(xué)的人。如果你真的很會(huì)用 ChatGPT，遇到一個(gè)創(chuàng)業(yè)者，你可以主動(dòng)上去聊天，順手給一個(gè)實(shí)打?qū)嵉募夹g(shù)建議，然后說(shuō)：我很想試著和你們合作，要不要先試著一起做一周，就算免費(fèi)也沒(méi)關(guān)系。

一旦你有機(jī)會(huì)實(shí)際展示自己的能力，后面的路就會(huì)好走得多。

我一般會(huì)用一種很輕松的方式開(kāi)頭，比如說(shuō)：一起試試會(huì)很好玩。我剛好有一些想法，可以和你們一起做，你這邊不需要任何承諾，也不用花太多時(shí)間，就當(dāng)多拿一個(gè)“我是不是有用”的數(shù)據(jù)點(diǎn)。幾乎所有人都會(huì)答應(yīng)，因?yàn)樗麄儠?huì)想：我啥也不用投入，還能看看你值不值得長(zhǎng)期合作，何樂(lè)而不為。

說(shuō)實(shí)話，如果你是一個(gè)真的會(huì)動(dòng)腦子的人，甚至都不需要“懂很多東西”，只要你足夠聰明、會(huì)用 ChatGPT，理論上你明天就能找到一份工作。

很多人擔(dān)心“這是不是很冒險(xiǎn)，我還想上大學(xué)，我還想保留別的選擇”。其實(shí)完全可以無(wú)風(fēng)險(xiǎn)地做：你照樣申請(qǐng)大學(xué)、照樣去上課，只是在上學(xué)期間多花一些時(shí)間投簡(jiǎn)歷、找項(xiàng)目而已。一旦你拿到第一份真正的工作，之后幾乎沒(méi)人再關(guān)心你的文憑。你已經(jīng)有了實(shí)際戰(zhàn)績(jī)，相比之下，學(xué)位還能起多大作用？你在公司里解決的問(wèn)題，遠(yuǎn)比你在學(xué)校學(xué)完一門(mén)線性代數(shù)要難。

當(dāng)然，我說(shuō)的是那些真的想在事業(yè)上全力以赴的人。對(duì)很多人來(lái)說(shuō)，上大學(xué)依然是很好的選擇。我也會(huì)跟不少朋友說(shuō)：去上大學(xué)吧，那段時(shí)間會(huì)很開(kāi)心，也能學(xué)到不少東西。大學(xué)教的東西并不是沒(méi)有價(jià)值，只是教學(xué)方式非常低效。

你會(huì)遇到很多很酷的人，但如果你來(lái)到舊金山，在公司上班、參加各種技術(shù)活動(dòng)，遇到的人大概率會(huì)更有趣。大學(xué)能給你的東西，社會(huì)和行業(yè)同樣能給你，只是后者效率更高。

所以最后還是回到一個(gè)問(wèn)題：你想過(guò)什么樣的人生。如果你是那種極度有野心的人，我會(huì)建議你盡快離開(kāi)純粹的學(xué)校環(huán)境，盡快進(jìn)入真實(shí)世界。當(dāng)然你也可以走“安全模式”：先入學(xué)，把退路留好，一邊讀書(shū)一邊找工作。如果你真的這么在乎職業(yè)發(fā)展、這么想跑得更快，那這幾乎是顯而易見(jiàn)的選擇。對(duì)我來(lái)說(shuō)，如果當(dāng)年沒(méi)有人把我“拽出去”，我自己也會(huì)想辦法從高中退學(xué)。

08

大學(xué)更像是一種“成人托兒所”

Gabriel：有點(diǎn)爭(zhēng)議地說(shuō)，我會(huì)把大學(xué)看成一種“成人托兒所”。

你有一大群需要為自己人生做決策的人，他們不想做決定。這時(shí)候系統(tǒng)對(duì)他們說(shuō)：“沒(méi)關(guān)系，你可以先上大學(xué)。”尤其是在瑞典，你甚至不用付學(xué)費(fèi)，還會(huì)拿到補(bǔ)貼。大家的心態(tài)就變成：“太好了，我可以拿著錢(qián)，把做決定這件事再往后推幾年。”

學(xué)校還會(huì)提供各種“你暫時(shí)不用決定未來(lái)職業(yè)”的專(zhuān)業(yè)，比如什么“工業(yè)經(jīng)濟(jì)”“土木工程”之類(lèi)的，你根本不用想清楚自己以后具體做什么，只要繼續(xù)在一個(gè)模糊的大方向里混五年就行。人們非常喜歡不斷推遲決策。

“我不想現(xiàn)在就選定我要干一輩子的事情?！彪m然這不是真的，但感覺(jué)上就像在給人生蓋章。比如，一個(gè)人做了五年律師，哪怕他后來(lái)轉(zhuǎn)行做市場(chǎng)、收入更高、人也更開(kāi)心，周?chē)诉€是會(huì)問(wèn)：“你就這么浪費(fèi)了五年？”

這在我看來(lái)非常奇怪。他明明提高了自己的幸福感，甚至就算收入降了一點(diǎn)，只要他覺(jué)得更快樂(lè)，這都是好事。到頭來(lái)，人生的核心還是“自己開(kāi)不開(kāi)心”。

09

給不知道自己該干什么的 18 歲年輕人的建議

主持人：如果有人 18 歲，不管是在高中、在大學(xué)，還是剛大學(xué)畢業(yè)，他們完全不知道自己要做什么，你會(huì)對(duì)他說(shuō)什么？

Gabriel：這種狀態(tài)太常見(jiàn)了。我遇到過(guò)很多這樣的人，我自己也經(jīng)歷過(guò)。對(duì)我來(lái)說(shuō)，大概從小學(xué)高年級(jí)就開(kāi)始了。我當(dāng)時(shí)只知道一件事：我想賺錢(qián)，我想做生意，我想“人生成功”，但我完全不知道那到底意味著什么。我甚至不知道什么是創(chuàng)業(yè)公司，只好上網(wǎng)搜索：How do I make money online（怎么在網(wǎng)上賺錢(qián)）？結(jié)果跳出來(lái)的基本都是各種問(wèn)卷網(wǎng)站，我就開(kāi)始點(diǎn)問(wèn)卷，心想：“天哪，我居然真的在網(wǎng)上賺到錢(qián)了。”

問(wèn)題在于，你完全不知道從哪里開(kāi)始，也沒(méi)有人會(huì)教你從哪里開(kāi)始。大家只會(huì)說(shuō)：“去上大學(xué)吧，等八年、十年之后再開(kāi)始做事?！?/p>

有些人會(huì)比較幸運(yùn)，比如從玩 Minecraft 開(kāi)始，自己搭服務(wù)器、賣(mài)服務(wù)，突然發(fā)現(xiàn)：“我靠，這居然能賺錢(qián)?！睆哪且豢唐?，你其實(shí)已經(jīng)在運(yùn)行業(yè)務(wù)了，也開(kāi)始用對(duì)的視角思考問(wèn)題：做點(diǎn)東西 → 有人愿意為之付費(fèi) → 繼續(xù)放大。這類(lèi)人從此大概率會(huì)順利很多，因?yàn)樗麄円呀?jīng)不再是抽象地“想成功”，而是在實(shí)踐里碰到了正確的框架。

我現(xiàn)在會(huì)給年輕人的建議是：試著來(lái)一次“信仰之躍”，嘗試成為一名軟件工程師。尤其是在今天這個(gè)時(shí)代，有了 ChatGPT 和各種 demo 工具，這是一個(gè)非常不錯(cuò)的切入點(diǎn)。你完全可以先從做游戲開(kāi)始。

軟件工程有一個(gè)巨大的優(yōu)勢(shì)，就是你能非常容易地展示自己的成果：做一個(gè)小游戲，給自己的故事寫(xiě)一段介紹，講清楚你的能動(dòng)性有多強(qiáng)、學(xué)習(xí)速度有多快，再截幾張圖，展示你是如何用 ChatGPT 自學(xué)、如何一步步把東西做出來(lái)的。

把這些東西整理好，一口氣發(fā)給五百個(gè)人。一定會(huì)有人說(shuō)：“好，我愿意給你一次機(jī)會(huì)。你現(xiàn)在小時(shí)薪可能只有十美元，但你是一個(gè)值得押注的、還沒(méi)被發(fā)現(xiàn)的人才?！睂?duì)公司來(lái)說(shuō)，這也很劃算：你會(huì)在實(shí)戰(zhàn)中學(xué)到很多東西，會(huì)直接和真正干活的人一起工作；而對(duì)你自己來(lái)說(shuō)，你越快進(jìn)入一個(gè)“真實(shí)環(huán)境 + 真實(shí)問(wèn)題 + 真金白銀與責(zé)任”交織在一起的世界，你的成長(zhǎng)就越快，滾雪球就越早開(kāi)始。從那之后，你基本就已經(jīng)走上正軌了。

主持人：真正難的是那第一跳：從學(xué)校、從純粹的舒適區(qū)，跨到一個(gè)真實(shí)的工作場(chǎng)景或真實(shí)項(xiàng)目里去。

Gabriel：是的。剛才說(shuō)過(guò)，一條經(jīng)典路徑是學(xué)編程。另一條同樣典型的是做市場(chǎng)營(yíng)銷(xiāo)。如果你想做 marketing，首先要想清楚的是：我要怎么“推銷(xiāo)我自己”。

如果讓我回到 16 歲，我可能會(huì)先給一堆公司發(fā)郵件，說(shuō)自己可以幫他們做營(yíng)銷(xiāo)——大概率沒(méi)人回。誰(shuí)會(huì)回復(fù)一個(gè)完全隨機(jī)的高中生？

但如果你換一種做法：直接打開(kāi)他們的網(wǎng)站，把現(xiàn)有內(nèi)容截下來(lái)，做一個(gè)“免費(fèi)的優(yōu)化版本”，然后再發(fā)過(guò)去：“嗨，我剛幫你改了一版頁(yè)面 / 做了一張圖 / 重寫(xiě)了一段文案?！睂?duì)方看到的時(shí)候會(huì)想：“哦，這個(gè)人已經(jīng)真的幫我做了點(diǎn)東西?！?/p>

說(shuō)實(shí)話，大家對(duì)“什么算是有價(jià)值的工作”的門(mén)檻其實(shí)非常低。世界上有成噸的問(wèn)題等著人來(lái)解決，你只要先替他們解決其中一個(gè)，就已經(jīng)算是“錄用了一半”。接下來(lái)對(duì)方只需要順?biāo)浦?，說(shuō)一句：“那我們先按小時(shí)給你一個(gè)合同工的機(jī)會(huì)試試?！蹦阋呀?jīng)用實(shí)際成果證明自己能干，他們做決定就會(huì)輕松很多。

10

“用 AI 學(xué) ML”一點(diǎn)也不丟人

主持人：我這里還有幾條你在 X 上發(fā)的、挺有爭(zhēng)議的推文，想讓你展開(kāi)講講。其中一條是：

“跟我的教授 o1-preview 一起學(xué)機(jī)器學(xué)習(xí)：先定一個(gè)要做的東西。寫(xiě)代碼。Debug，讓它跑起來(lái)。讓它解釋每一步、解釋背后的直覺(jué)。把主要直覺(jué)再用‘我 12 歲能聽(tīng)懂’的方式講給我，并把所有細(xì)節(jié)都展開(kāi)。如果反過(guò)來(lái)學(xué)，那會(huì)難到爆炸?！?/blockquote>

Gabriel：對(duì)，當(dāng)時(shí)我特別想把 ML 學(xué)到極致，所以就總結(jié)出這么一條“學(xué)習(xí)路徑”。

從一個(gè)具體問(wèn)題開(kāi)始，你可以直接問(wèn) ChatGPT：我應(yīng)該做什么樣的項(xiàng)目？它會(huì)給你一個(gè)不錯(cuò)的起點(diǎn)。然后讓它先把代碼全寫(xiě)出來(lái)，你再去看、去改、去理解。等這份代碼你基本吃透了，再往下拆每一個(gè)模塊，去問(wèn)：這一塊具體是怎么讓模型學(xué)到東西的？背后的數(shù)學(xué)直覺(jué)是什么？就這樣一層一層遞歸往下鉆。

當(dāng)時(shí)我有一個(gè)非常強(qiáng)烈的感受：如果要我從數(shù)學(xué)那一端、從各種先修課開(kāi)始，慢慢往上爬，難度會(huì)離譜地大，而且會(huì)極其耗時(shí)間。

主持人：是啊，傳統(tǒng)路徑基本都是這樣：想上某門(mén)高階課，得先修完一長(zhǎng)串先修課。久而久之就會(huì)讓人產(chǎn)生一種錯(cuò)覺(jué)，好像知識(shí)是一條無(wú)窮無(wú)盡的階梯，你必須把每一級(jí)都按部就班地爬完，才能往上一點(diǎn)點(diǎn)挪。我很喜歡你這種“去他的前置條件”的思路：我可以學(xué)任何東西，可以從頂層問(wèn)題開(kāi)始，一路遞歸往下，而不是被“我還只是大一，我不配碰這些知識(shí)”這種心理框架困住。

Gabriel：對(duì)我來(lái)說(shuō)，這是對(duì)“知識(shí)”這件事的一個(gè)巨大心態(tài)轉(zhuǎn)變。

我在 X 上經(jīng)?？雌饋?lái)像是在攻擊學(xué)術(shù)界，但我并不是在否定學(xué)術(shù)本身。很多了不起的事情、很多重要論文，確實(shí)都是從學(xué)術(shù)界出來(lái)的，這些工作非常了不起。

我反對(duì)的是另一件事：那種認(rèn)為“基礎(chǔ)只能通過(guò)傳統(tǒng)路徑、從底層慢慢往上學(xué)”的觀點(diǎn)。很多人會(huì)極力捍衛(wèi)這套敘事，甚至到了要跟你“拼命辯護(hù)”的程度，說(shuō)你這樣學(xué)永遠(yuǎn)不可能真正理解本質(zhì)。

我會(huì)想，為什么這會(huì)讓人這么憤怒？在我看來(lái)，很大一部分原因在于：當(dāng)一個(gè)人花了很多年時(shí)間，用一種低效的方式走完一套路徑，然后被告知“其實(shí)有更快的方法”，自尊會(huì)受到很大的沖擊。

他們可能花了十年，按傳統(tǒng)路線一路讀上來(lái)。然后突然冒出來(lái)一個(gè)高中輟學(xué)生，靠 ChatGPT 自學(xué)，把他們?cè)谧龅墓ぷ饕哺闪?，這當(dāng)然很難接受。

所以當(dāng)我寫(xiě)這些東西的時(shí)候，確實(shí)會(huì)刺痛一些人的感受，說(shuō)實(shí)話，這里面是有一點(diǎn)“故意的”。因?yàn)檎沁@些被自尊裹著的舊觀念，在把后來(lái)者擋在門(mén)外。

一個(gè) 17 歲想學(xué) ML 的人，去問(wèn)那些按傳統(tǒng)路徑走出來(lái)的人，對(duì)方往往會(huì)說(shuō)：你得先花很多年，你要上一堆課，你要去某所大學(xué)跟某位教授。問(wèn)題在于，這并不是唯一的真相。你當(dāng)然可以這么做，如果你真的覺(jué)得那樣很好玩，那完全沒(méi)問(wèn)題。但我要說(shuō)的是：還有更簡(jiǎn)單、更直接的路徑。如果我們敢于戳破那層觀念，就會(huì)有更多人能走一條類(lèi)似我這樣的路。

還有一條推文是：

“大學(xué)不再壟斷基礎(chǔ)知識(shí)。下面是我作為一個(gè)高中輟學(xué)生，如何用 ChatGPT 學(xué)會(huì)擴(kuò)散模型主要直覺(jué)的方式。”里面寫(xiě)的路線，其實(shí)就是我剛才講的這一套。

我最核心的觀點(diǎn)就是：大學(xué)不再擁有“基礎(chǔ)知識(shí)”的獨(dú)家權(quán)力。真正重要的是：你有沒(méi)有對(duì)自己的好奇心和學(xué)習(xí)負(fù)責(zé)的“能動(dòng)性（agency）”。 如果你有，你幾乎可以學(xué)任何東西。

大學(xué)當(dāng)然希望繼續(xù)壟斷你的學(xué)習(xí)路徑。想象一下：如果一個(gè)教授一輩子的職業(yè)，就是反復(fù)向人強(qiáng)調(diào)“上大學(xué)有多重要”，但突然有一天大家發(fā)現(xiàn)其實(shí)不那么必要了，你覺(jué)得他會(huì)怎么做？

他會(huì)用盡一切辦法維持原有秩序：如果最聰明的人都選擇自學(xué)，不去讀他的課，那大學(xué)里的“聰明學(xué)生密度”會(huì)下降；大學(xué)的地位和光環(huán)會(huì)被削弱； 他的個(gè)人身份認(rèn)同也會(huì)動(dòng)搖。所以他們會(huì)竭盡全力證明：“你還是需要我們。”

主持人：是啊，對(duì)于很多在體系里的人來(lái)說(shuō)，這幾乎是在動(dòng)他們的根基：“我花了 10 年讀書(shū)，背上了 40 萬(wàn)美元的學(xué)貸，好不容易把論文熬完拿到博士。現(xiàn)在你告訴我，有個(gè)叫 Gabriel Petersson 的高中輟學(xué)生，用 ChatGPT、在沒(méi)有任何正式 ML 或數(shù)學(xué)訓(xùn)練的情況下，做著傳統(tǒng)上只有博士才能做的工作？”

Gabriel：那條推文大概是這么寫(xiě)的（笑）：

“我現(xiàn)在在做一份傳統(tǒng)上只有博士才能勝任的工作，但我沒(méi)有系統(tǒng)學(xué)過(guò) ML 或數(shù)學(xué)，只是靠 ChatGPT 自學(xué)。我真不知道，還有什么更好的證據(jù)能證明 ChatGPT 已經(jīng)達(dá)到了 PhD 級(jí)別?！碑?dāng)然，話雖這么說(shuō)，我對(duì)教授和科研工作者本身是非常尊敬的。他們?yōu)槭澜缱隽撕芏嗔瞬黄鸬呢暙I(xiàn)，做了很多重要研究。

我反對(duì)的只是那套附著在舊體系上的觀念——比如說(shuō)：“學(xué)擴(kuò)散模型必須先從底層數(shù)學(xué)一步步往上爬?！?我會(huì)用一句很簡(jiǎn)短的話來(lái)概括：“用自頂向下的方式學(xué)擴(kuò)散模型，3 天就夠；用自底向上的方式，從大學(xué)開(kāi)始一步步學(xué)，需要 6 年。”

如果按照傳統(tǒng)路徑，要學(xué)擴(kuò)散模型，起碼得先上：

• 微積分 1、2；

• 線性代數(shù)；

• 初級(jí)機(jī)器學(xué)習(xí)課程……

你很可能要在體系里泡 6 年，才第一次在課堂上看到“擴(kuò)散模型”這幾個(gè)字。問(wèn)題是：你六年前根本不知道自己會(huì)不會(huì)喜歡擴(kuò)散模型。

我認(rèn)識(shí)太多人，選專(zhuān)業(yè)時(shí)只覺(jué)得：“AI 聽(tīng)起來(lái)挺酷，我去上這門(mén)課吧。”結(jié)果他們直到讀了三年，才第一次真正接觸到“AI 具體在做什么”，這完全是反直覺(jué)的。

按理說(shuō)，你應(yīng)該先用三天時(shí)間：

• 直接從 ChatGPT 那里學(xué)完“擴(kuò)散模型是什么”；

• 真正看一看這玩意兒的日常工作狀態(tài)是什么樣；

• 然后再?zèng)Q定要不要為了它去讀 3～6 年書(shū)。

就算你最后還是決定上大學(xué)，那也應(yīng)該是一個(gè)信息充分的選擇——你已經(jīng)知道自己要學(xué)的東西是什么、為什么有趣，而不是盲選一個(gè)聽(tīng)起來(lái)很酷的 buzzword。

主持人：我特別喜歡看到有人在別人難以置信的時(shí)間框架內(nèi)，完成別人覺(jué)得“不可能”的學(xué)習(xí)曲線。大部分人會(huì)說(shuō)：“天啊，我花了那么久才摸到點(diǎn)邊?！倍憔褪且粋€(gè)活生生的反例——只要你真的相信自己能學(xué)很快，愿意不停地問(wèn)問(wèn)題、不停地往下鉆，你幾乎可以無(wú)限次復(fù)制這種“加速學(xué)習(xí)”的過(guò)程。你可以像你現(xiàn)在這樣，在世界頂尖的 AI 實(shí)驗(yàn)室工作。

Gabriel：其實(shí)它簡(jiǎn)單得可怕。

歸根到底只有一個(gè)核心事實(shí)：公司想要的，是能做出很酷東西的人。你要做的，就是證明你能做出很酷的東西。

把你以前聽(tīng)過(guò)的求職建議全部丟掉，先從這個(gè)最簡(jiǎn)單的真相開(kāi)始，再往上加其他東西，就從這個(gè)事實(shí)出發(fā)。

主持人：這也正好對(duì)應(yīng)你一條推文：

“公司只想賺錢(qián)。你要做的，就是證明你能幫他們賺錢(qián)。把你過(guò)去聽(tīng)過(guò)的所有求職建議都丟掉，從這句簡(jiǎn)單的話重新開(kāi)始?！?/blockquote>

Gabriel：我覺(jué)得，很多人給職業(yè)建議時(shí)，和現(xiàn)實(shí)是嚴(yán)重“錯(cuò)位”的。

想象一下：一個(gè)人在大學(xué)里讀了 5 年，對(duì)自己的選擇挺滿意，覺(jué)得“我確實(shí)學(xué)到了不少東西”。這時(shí)有個(gè)年輕人跑來(lái)問(wèn)他：我想有一份很好的職業(yè)，我該怎么走？

但如果這個(gè)人一生只走過(guò)一條路，而且身邊所有想做軟件工程的人也幾乎都是同一條路，于是他很自然會(huì)說(shuō)：我真心建議你也去讀 5 年大學(xué)，走和我一樣的路。他是好意的，真心相信自己在幫你。

但問(wèn)題在于，這種建議，在決策上幾乎沒(méi)有信息量。

• 他只體驗(yàn)過(guò)一種路徑，從沒(méi)和其他路徑做過(guò)真正的對(duì)比；

• 即便他嘗試比較，他在心理上也很難承認(rèn)“也許我浪費(fèi)了時(shí)間”，所以會(huì)本能地維護(hù)自己走過(guò)的那套體系。

人的很多觀點(diǎn)，幾乎都和自己的利益和經(jīng)歷綁在一起。因此，我通常會(huì)建議：把大多數(shù)“人生建議”都當(dāng)作噪音處理。

我能從高中輟學(xué)，很大程度上就是因?yàn)槲野堰@些建議當(dāng)成噪音，沒(méi)有太當(dāng)真。我從來(lái)不太指望別人替我想清楚路要怎么走。我知道大部分人都是好心的，也真心相信自己在幫你，但多數(shù)建議對(duì)你而言并沒(méi)有什么實(shí)際幫助，甚至有時(shí)候還是反向的信號(hào)。

比如你去問(wèn)一個(gè)一路按部就班念完大學(xué)、從未認(rèn)真思考過(guò)自己職業(yè)路徑的人，他自然會(huì)把那套“默認(rèn)劇本”再講一遍給你聽(tīng)。這不是惡意，只是信息含量接近于零。

主持人：那他們應(yīng)該怎么判斷：誰(shuí)的建議值得聽(tīng)？誰(shuí)可以當(dāng)“導(dǎo)師”？

Gabriel：老實(shí)講，我真正會(huì)聽(tīng)建議的人，少到可以用一只手?jǐn)?shù)完。我表哥就是其中一個(gè)。我們思維方式非常接近，想要的東西也高度一致，而且他比我大很多。 他讀過(guò)大學(xué)，走過(guò)那條路； 他知道自己在哪些地方“走彎路了”； 他能明確告訴我：“你跟我想要的東西一模一樣，你走我這條路只是在浪費(fèi)時(shí)間?！?/p>

對(duì)我來(lái)說(shuō)，這是一個(gè)非常強(qiáng)的信號(hào)：“一個(gè)和我高度同頻、又比我走在前面的人，告訴我：他覺(jué)得自己當(dāng)年有一段時(shí)間是浪費(fèi)的?！?很多本來(lái)需要他花幾年踩坑才得出的結(jié)論，我可以直接拿來(lái)。我很多早期的選擇，都是高度參考他的經(jīng)驗(yàn)做出的。

11

別被“偽努力”困住：

只有現(xiàn)實(shí)世界的項(xiàng)目，才算真正的進(jìn)步

主持人：那對(duì)于那些 16、17 歲很有沖勁，但不知道怎么辦的人，你會(huì)怎么說(shuō)？

Gabriel：我太理解那種狀態(tài)了。一邊刷著 YouTube 上各種“勵(lì)志視頻”，看完的時(shí)候熱血沸騰，心想：我看到了秘密，我被點(diǎn)燃了，從今天起我要一直有動(dòng)力。結(jié)果第二天一醒來(lái)，完全想不起來(lái)自己昨天到底在激動(dòng)什么。

這種視頻對(duì)有野心的人來(lái)說(shuō)，其實(shí)是個(gè)陷阱：你在什么都沒(méi)做的時(shí)候，獲得了“好像做了點(diǎn)什么”的錯(cuò)覺(jué)。

同樣的，還有對(duì)“好習(xí)慣”的過(guò)度迷戀。讀書(shū)當(dāng)然很好，鍛煉很好，早起、冥想、時(shí)間管理也都很好。但如果你沒(méi)有在推進(jìn)一件真正重要的事情，這些習(xí)慣就只是讓你“感覺(jué)很勤奮”的裝飾品而已，看上去很自律，實(shí)際上對(duì)你的人生路徑幾乎沒(méi)有影響。

真正重要的是：開(kāi)始在現(xiàn)實(shí)世界里工作，解決真實(shí)的問(wèn)題。世界上有成千上萬(wàn)的創(chuàng)業(yè)公司，非常樂(lè)意有人來(lái)“免費(fèi)幫忙”。你完全可以主動(dòng)伸手，比如去 LinkedIn 上找創(chuàng)業(yè)者，尤其是那些還在隱身狀態(tài)的創(chuàng)業(yè)團(tuán)隊(duì)，一口氣給他們發(fā)消息，說(shuō)自己想試著和他們一起做點(diǎn)事，這個(gè)周末可以先免費(fèi)干一干，哪怕從最簡(jiǎn)單的活開(kāi)始。

你的第一目標(biāo)，就是盡快拿到第一段“真實(shí)世界經(jīng)驗(yàn)”：真實(shí)的公司、真實(shí)的同事、真實(shí)的需求和用戶、真實(shí)的錢(qián)。這些東西，才是真正會(huì)改變你人生軌跡的變量。

我在小學(xué)、初中、高中花了無(wú)數(shù)時(shí)間看書(shū)、練習(xí)各種好習(xí)慣、早起跑步，當(dāng)時(shí)覺(jué)得自己特別自律、特別高效。但如果把那些努力和“現(xiàn)實(shí)中的產(chǎn)出”對(duì)照起來(lái)，結(jié)論其實(shí)挺殘酷的：如果這些努力不是用在一件真正往前推進(jìn)的事情上，它們幾乎沒(méi)有任何長(zhǎng)遠(yuǎn)價(jià)值。

對(duì)我，以及很多和我類(lèi)似的人來(lái)說(shuō)，正確的關(guān)注點(diǎn)只有一個(gè)：盡可能快地拿到第一份真正的工作。這個(gè)過(guò)程很難，需要你付出大量行動(dòng)，但你的視線應(yīng)該始終牢牢鎖定在這一點(diǎn)上。

主持人：你還有一條很多人轉(zhuǎn)發(fā)的推文。你怎么理解它？

“世界上 70% 的人都處于一種長(zhǎng)期的輕度痛苦狀態(tài)，因?yàn)橹灰嬖凇裁炊疾蛔觥@個(gè)選項(xiàng)，他們就會(huì)對(duì)任何需要心理上用力的決定過(guò)敏。”

Gabriel：我真心覺(jué)得，如果大家能理解這點(diǎn)并付諸行動(dòng)，全世界的幸福感可以提升 20%。人一到需要“心理上很用力”的時(shí)刻，就非常容易做出糟糕的決定。更糟糕的是，大腦甚至不會(huì)告訴你“我現(xiàn)在是在逃避”。

舉個(gè)例子：你現(xiàn)在在一家公司里工作，你其實(shí)并不喜歡； 理智上你知道：外面可能有更適合你的機(jī)會(huì)、薪水更高、同事更強(qiáng)；但要換工作，你需要：投簡(jiǎn)歷、準(zhǔn)備面試題，很痛苦； 參加面試，被拒絕的風(fēng)險(xiǎn)很難受； 拿到 offer 后還要談薪資，也是心理壓力； 最難的是：你要和現(xiàn)任老板說(shuō)“我要離職”。 這些對(duì)絕大多數(shù)人來(lái)說(shuō)都極其不舒服。

于是，在你還沒(méi)認(rèn)真想清楚之前，大腦就先幫你把這條路屏蔽掉了，它會(huì)自動(dòng)生成一套說(shuō)辭，“其實(shí)我現(xiàn)在這份工作還行?！?“我現(xiàn)在學(xué)到的東西已經(jīng)很多了。” “這可能已經(jīng)是我能得到的最好情況了?！?哪怕你是一個(gè)非常有野心的人，你的大腦還是會(huì)不停說(shuō)服你：“我現(xiàn)在應(yīng)該已經(jīng)處在一個(gè)對(duì)自己很有利的位置了。”

哪怕這只是你人生中的第一份、信息極度不充分的工作，你依然會(huì)自我催眠：“我在這里學(xué)得最多?！?/p>

但真實(shí)情況往往不是這樣。

真正重要的是：

能不能對(duì)自己誠(chéng)實(shí)，真的去審視：“我現(xiàn)在拿到的是不是我可能拿到的最好組合？”“我是不是只是因?yàn)椤畵Q一個(gè)選擇太痛’才不動(dòng)？”

很多人只想要一個(gè)體面的工資、好同事、還不錯(cuò)的生活方式，這完全沒(méi)問(wèn)題。但要做到這點(diǎn)，很可能你需要做一些非常不舒服的決定——比如離職、搬城市、跨國(guó)。

我有一個(gè)瑞典朋友，他在當(dāng)?shù)啬玫乃闶恰安诲e(cuò)的工資”，比平均水平高 50%。在瑞典那已經(jīng)算“生活不錯(cuò)”了。我反復(fù)跟他說(shuō)：“你為什么不來(lái)舊金山試試？你可以把收入提升 10 倍，同時(shí)跟更強(qiáng)的人一起，做全世界在用的產(chǎn)品?！?/p>

他每次都有各種理由搪塞：簽證麻煩、怕?lián)Q環(huán)境、不確定能不能適應(yīng)等等。哪怕他非常信任我這個(gè)朋友，他的大腦還是在替他回避“這件事值得認(rèn)真考慮”的事實(shí)。最后我受不了了，直接把他拉去和一家公司的創(chuàng)始人見(jiàn)面，讓他們開(kāi)始面試流程。

一旦進(jìn)了面試，這件事就“有了動(dòng)量”：公司會(huì)主動(dòng)拉他往前走； 面試流程會(huì)推進(jìn)； 最后 offer 會(huì)放在桌上，他只需要做“簽字 or 不簽”這一個(gè)決定。 最終的結(jié)果是：他直接把收入提高了 10 倍。 而這件事，我最早大概在一年前就開(kāi)始勸他。如果你把那一年的“損失”算成錢(qián)，那幾乎就是一整套瑞典的房子的價(jià)格。他失去了一套房子，只因?yàn)闆](méi)有邁出那一步。就是“沒(méi)有去投舊金山的簡(jiǎn)歷”這么一件簡(jiǎn)單的事。

12

收尾：給“過(guò)去的自己”的一封信

主持人：和你聊天太開(kāi)心了。你的很多觀點(diǎn)看起來(lái)“很犀利”，但背后其實(shí)是非常誠(chéng)實(shí)、也非常有用的觀察。你從高中起就幾乎一直在“自己思考”，這一路走到現(xiàn)在，把這些經(jīng)驗(yàn)提煉出來(lái)再分享給別人，本身就是很不容易的事情。

Gabriel：我也很開(kāi)心能聊這些。我一直在想，如果幾年前有人把我現(xiàn)在說(shuō)的這些話講給當(dāng)時(shí)的我聽(tīng)，我可能能早四年來(lái)到現(xiàn)在的位置。當(dāng)然，那是從我的視角出發(fā)——每個(gè)人的欲望、目標(biāo)都不一樣。如果有些人聽(tīng)了之后覺(jué)得：“這說(shuō)的不就是我嗎？我也想這樣做?！?那對(duì)他們來(lái)說(shuō)，這些東西可能就會(huì)變得極其有價(jià)值。

主持人：對(duì)我來(lái)說(shuō)，這期節(jié)目本質(zhì)上就是你在對(duì)“過(guò)去的自己”說(shuō)話。你出生在瑞典一個(gè)“什么都沒(méi)有”的小地方； 高中輟學(xué)； 沒(méi)有傳統(tǒng)意義上的好學(xué)歷；靠著互聯(lián)網(wǎng)、靠著自己的好奇心和行動(dòng)能力， 走到了全球最頂尖的 AI 公司之一，做著原本“默認(rèn)只屬于博士”的工作。而那些“起點(diǎn)很低”“家在世界另一頭”的人，只要有網(wǎng)、有 ChatGPT，其實(shí)都能復(fù)制同一條路徑。我希望這期節(jié)目，能成為很多人的一個(gè)分水嶺：聽(tīng)完之后，他們的人生軌跡，真的會(huì)朝更好的方向偏轉(zhuǎn)一點(diǎn)。

Gabriel：我也希望如此，那會(huì)非?？?。我還想補(bǔ)充最后一點(diǎn)，也是我在瑞典時(shí)最大的心理障礙之一：“我覺(jué)得自己不夠聰明?！?/p>

我小時(shí)候經(jīng)常覺(jué)得自己是個(gè)傻子，當(dāng)然不是真的“完全沒(méi)智商”，我知道自己在數(shù)學(xué)上比同齡人好很多，但當(dāng)你看到那些在造火箭、在做巨大項(xiàng)目的人時(shí)，會(huì)有一種非常強(qiáng)烈的落差感： “我怎么可能做到他們做的那些事？我跟他們之間一定有一道不可逾越的鴻溝。”

實(shí)際上，我們大多數(shù)人都嚴(yán)重低估了自己能做到的事情。我可以很大膽地說(shuō)：只要你現(xiàn)在在聽(tīng)這種內(nèi)容，你很可能已經(jīng)在“人群前 1%”了。

絕大部分人，是不會(huì)主動(dòng)花一個(gè)小時(shí)，認(rèn)真聽(tīng)一段討論“怎么改變自己人生路徑”的訪談的。但你在聽(tīng)。這本身就是極強(qiáng)的“能動(dòng)性”信號(hào)。

而那“前 1%”，恰好也是未來(lái)最有可能：

• 在全球前 200 家公司的創(chuàng)始團(tuán)隊(duì)里，

• 或者在最前沿的實(shí)驗(yàn)室、研究組里，

• 或者在真正推動(dòng)行業(yè)前進(jìn)的那批人里。

你只需要沿著這條路，繼續(xù)往前走。你可以來(lái)到舊金山，在頂尖公司工作；也可以自己創(chuàng)辦一家頂尖公司。世界上還有太多事情等著被做。

主持人：太棒了。Gabriel，非常感謝你今天的時(shí)間。

Gabriel：也謝謝邀請(qǐng)我來(lái)聊天。

主持人：老實(shí)說(shuō)，我覺(jué)得你是這個(gè)世界上，最會(huì)用 AI 學(xué)習(xí)的人之一，更多人應(yīng)該知道你是怎么做到的。

Gabriel：我還在努力。也希望未來(lái)會(huì)有比我更厲害很多的人，然后我可以反過(guò)來(lái)向他們學(xué)習(xí)。

https://www.youtube.com/watch?v=vq5WhoPCWQ8

聲明：本文為 InfoQ 整理，不代表平臺(tái)觀點(diǎn)，未經(jīng)許可禁止轉(zhuǎn)載。