Gabriel Petersson，一個高中輟學生，現在卻在 OpenAI 備受矚目的 Sora 團隊工作。要知道，他身邊的同事通常都擁有頂尖大學的博士學位。
他在 Podcast 節目《非凡》裡分享了自己究竟是怎麼做到的。答案不是靠過人的天份，也不是靠特權關係，而是靠一種顛覆傳統的學習方式：先做再學。
拋棄課本的「自上而下」學習法：打破程式語言自學的恐懼
許多人聽到寫程式就覺得門檻很高，但其實 Petersson 的這套邏輯絕不僅限於寫程式。他是怎麼自學程式與複雜的機器學習的？他沒有從厚重的教科書開始苦讀。他的第一步，是直接去問 ChatGPT：「我應該做什麼專案？」
接著，他讓 AI 生成程式碼。遇到看不懂的語法，就打破沙鍋問到底；遇到系統報錯，就跟著 AI 一步步解決錯誤。這是一種「自上而下（Top-down）」的學習法——不從枯燥的理論出發，而是從真實的實作出發。
他在訪談中的一句話讓我印象極深： 「實際工作中總是會面臨真實的問題，這使得學習變得更高效。」
這句話不僅道破了工程師的日常，更完美適用於我們所有人學習 AI 或是掌握任何新技能的過程。
為什麼從「讀課本」開始反而學得慢？揭開底層邏輯的真相
回想一下我們傳統的學習過程： 把課本從頭看完 → 做幾題標準練習題 → 嘗試應用到現實。
但殘酷的現實是，很多人把書翻爛了，遇到實際狀況還是束手無策。因為「理論」跟「實作」之間存在著巨大的鴻溝。
聽別人說用 AI 做圖很簡單，自己動手才發現光是下指令就是一門學問；看完機器學習與深度學習的基礎概念，真正打開軟體要應用時，腦袋依然一片空白。
知識如果沒有經過真實問題的考驗，就永遠只停留在「記憶」，而無法轉化為「理解」。
文組生也能懂：我靠程式設計自學解決真實難題的親身經歷
對此，我有很深的共鳴。我是文組背景，從來沒有學過程式設計，但我卻用這套「底層邏輯」解決了工作上的大麻煩。
我的一個案子，客戶網站急需修改佈景主題的原始碼，偏偏當時沒有工程師可以幫忙，我只能硬著頭皮自己上。我的做法跟 Petersson 如出一轍：
- 把網頁畫面與原始碼，截圖給 AI 看。
- 用白話文說明我想要修改什麼效果，請它提供修改方案。
- 改錯了、網頁跑版了，就再次截圖、再問、再改。
那是一個漫長且痛苦的過程，中間好幾次想摔鍵盤放棄。但沒辦法只能硬上，最後我也真的把它改好了。(感謝 AI 這個偉大的發明)
從那之後，遇到類似的技術問題我不再感到恐懼。那段痛苦除錯的過程，變成了我永遠帶得走的能力。這就印證了 Petersson 的觀點：每一個你親手解決的 Bug（難題），都會變成你的資產。
學任何 AI 工具也是同樣的道理。想做一個專案，你會發現需要做圖、做市場研究、整理龐雜的資料。遇到不會的工具就學，第一次總是很卡，但第二、第三次之後就順理成章了。
先做再學，絕對比「學完再做」快得多。
企業買單的是「結果」，不是「學歷」
Petersson 曾在進入新創公司 Depict.ai 時，就是靠著 ChatGPT 學會編程並證明自己。他在訪談中直言： 「企業的目標是賺錢，能夠展示如何創造價值、具備實戰能力的人，才會更受青睞。」
這並不是在全盤否定學歷的價值，而是在點出一個更殘酷也更真實的職場法則：你能否解決真實世界的問題，才是決勝關鍵。
學歷，只是證明你「具備學習能力」的其中一張憑證，但早已經不是唯一的憑證。當 AI 讓所有人都能以極低的成本快速獲取知識時，人與人之間真正的差距就只剩下一個：你願不願意捲起袖子，動手去做？
這是最考驗行動力，也是最好的時代
OpenAI 的執行長 Sam Altman 曾說，他很羨慕現在年輕輟學生的機會，因為這個時代的科技發展潛力實在太巨大了。
大學的高牆已經倒下，知識不再被壟斷。
如果你想學任何東西，請先為自己找到一個「真實的問題」，然後馬上開始解決它。遇到不懂的再學，學了立刻用，用了不對就修正。
願意動手的話，現在真的是最好的時代。
