高校を中退し、AIから学んで逆転人生を歩み、OpenAIの研究員になった
TechFlow厳選深潮セレクト
高校を中退し、AIから学んで逆転人生を歩み、OpenAIの研究員になった
学習という概念は、AI時代においてまったく変わってしまった。
Web3業界の深掘り報道に専念し潮流を洞察著者：キム・グァンホ
先日、上海で開かれたAIイベントに参加しました。
イベント自体は、AIの実用化について多くの議論が交わされました。
しかし、最も印象に残ったのは、ある投資家の先輩が語った学習法でした。
彼によれば、この方法が彼を救い、投資における人材評価の基準さえ変えたというのです。
その具体的な内容とは何か？ それは「質問すること」を学ぶことでした。
興味を持ったテーマがあれば、DeepSeekと話し続ける。答えが出なくなるまで、徹底的に問い続けるのです。
この「無限に問いかける」テクニックには、当時とても衝撃を受けましたが、イベントが終わると、私はすぐにそれを忘れてしまいました。
試してみることもなく、意識にも上りませんでした。
最近になって、Gabriel Peterssonが中退後にAIを使って学び、OpenAIに入社したという話を目にしたとき、ようやくあの先輩の言う「最後まで問う」ということが、AI時代においてどれほど重要なのかを理解できたのです。
Gabriel インタビューポッドキャスト｜画像出典：YouTube
01「高校中退」から逆転し、OpenAI研究員に
Gabrielはスウェーデン出身で、高校を卒業する前に中退しています。
GabrielのSNSプロフィール｜画像出典：X
かつて彼は自分はあまりに頭が悪いと考えており、AI関連の仕事など到底不可能だと思っていました。
転機は数年前に訪れます。
ストックホルムで起業した従兄が、EC向け製品推薦システムのスタートアップを立ち上げ、手伝いを依頼してきたのです。
Gabrielはこうして会社に入りました。技術的バックグラウンドもなければ貯金も少なく、創業期には会社の共用ラウンジのソファで一年間寝泊まりしていました。
しかし、この一年間で多くのことを学びました。学校ではなく、実際の課題に直面することで強制的に身につけたのです。プログラミング、営業、システム統合などです。
その後、学習効率を高めるため、彼は契約社員へと切り替えました。これによりプロジェクトを自由に選べるようになり、優秀なエンジニアとの協力を積極的に選び、フィードバックを求め続けました。
米国ビザ申請時には、ある難問に直面します。「卓越した能力」を証明する必要があり、通常は学術論文や引用実績などが求められます。
高校中退者がそんなものを持っているはずもありません。
そこでGabrielは、プログラマー向けコミュニティに投稿した高品質な技術記事をまとめて、「学術的貢献」の代わりとする方法を提案しました。すると、移民局はこれを認めました。
サンフランシスコに到着後も、彼はChatGPTを使って数学や機械学習を独学で学び続けました。
現在、彼はOpenAIの研究科学者として、Sora動画モデルの開発に参加しています。
ここまで聞いて、あなたもきっと疑問に思うでしょう。彼は一体、どうやってこんなことを成し遂げたのか？
Gabrielの見解｜画像出典：X
02 再帰的知識補完：常識に反する学習法
その答えこそ「無限に問いかける」ことであり、特定の問題に焦点を当て、AIを通じて完全に理解することです。
Gabrielの学習法は、多くの人の直感とは正反対です。
従来の学習法は「下から上へ」：まず基礎を固め、その後応用へと進むものです。例えば機械学習を学ぶには、線形代数、確率論、微積分を学び、統計学習、深層学習と進んでいき、ようやく実践的なプロジェクトに取り組めるようになります。このプロセスには何年もかかります。
一方、彼の方法は「上から下へ」：具体的なプロジェクトから始め、問題に遭遇したらその都度解決し、知識の空白を見つけたら即座に埋めていくのです。
彼はポッドキャストでこう述べています。以前ならこの方法は広めにくかった。なぜなら、常に「次に何を学べばいいか」を教えてくれる全知全能の教師が必要だったからだと。
しかし今、ChatGPTがその教師なのです。
Gabrielの見解｜画像出典：X
具体的にはどうするのか？ 彼は「拡散モデルの学び方」を例に挙げました。
第一段階：マクロな概念から始める。「動画モデルを学びたい。最も重要な概念は何ですか？」とChatGPTに尋ねる。AIは「自動符号化器（オートエンコーダ）」と答える。
第二段階：コードを最優先する。彼はChatGPTに直接、拡散モデルのコードを書いてもらう。最初は意味が分からない部分が多いが、構わない。まずコードを実行することが大事。動作すれば、デバッグの土台ができる。
第三段階：最も重要なのは再帰的質問。コード内の各モジュールについて、一つ一つ掘り下げていく。
このように階層的に深掘りし、根本のロジックを完全に理解するまで下へ下へと潜っていく。その後、上位のレイヤーに戻り、次のモジュールに移る。
彼はこのプロセスを「再帰的知識補完（recursive knowledge filling）」と呼んでいます。
再帰的知識補完｜画像出典：nanobaba2
これは順序立てて6年学ぶよりもはるかに速く、わずか3日で基本的な直感を得られるかもしれない。
ソクラテス式問答法に詳しい人は気づくだろう。本質的に同じ考え方であり、一問一答を繰り返すことで事物の本質に近づいていく。それぞれの回答が、次の質問の出発点となる。
ただ、彼の場合、AIが質問される側になっている。そしてAIがほぼ全知全能であるため、事物の本質を分かりやすい形で継続的に提示してくれるのだ。
実際、GabrielはAIに対して「知識抽出」を行い、事物の本質を学んでいるのである。
03 私たちの多くは、AIを使うことで実はバカになっている
ポッドキャストを聞き終えたあと、Gabrielの話からある疑問が浮かびました。
同じようにAIを使っているのに、なぜ彼はこれほど学べるのか。一方で、多くの人がAIを使い始めた結果、むしろ自分の能力が低下していると感じるのか。
これは私の主観だけではありません。
マイクロソフト研究所が2025年に発表した論文[1]によれば、生成AIを頻繁に使う人々は、批判的思考の使用が明らかに減少しているという。
言い換えると、私たちは思考をAIに外注しており、その結果、自分の思考力も萎縮しているのです。
スキルには「使い捨てず、使えば育つ」という法則がある。AIでコードを書くことで、手と脳によるコード作成能力は静かに退化していく。
AIによる「バイブコーディング（vibe coding）」は効率的に見えるが、長期的にはプログラマー自身のスキルが低下している。
要件をAIに投げ、出力されたコードを実行して満足する。だが、もしAIをオフにして、自分で核心ロジックを書けと言われたら、多くの人は頭が真っ白になるだろう。
さらに極端な例は医学分野にある。ある論文[2]では、医師がAI支援を導入して3ヶ月後、大腸内視鏡検査のスキルが6%低下したと報告している。
この数字は小さく見えるが、考えてみてほしい。これは患者の健康と命に関わる、実際の診断能力なのである。
だからこそ、問題はこうなる。同じツールなのに、なぜ一部の人々は強くなり、他の人々は弱くなるのか？
その違いは、AIを何と見なしているかにある。
AIを単なる作業代行ツールと見なし、コードを書かせ、文章を作らせ、意思決定させているなら、確かにあなたの能力は低下する。なぜなら、思考プロセスをスキップして結果だけを得ているからだ。結果はコピー＆ペーストできるが、思考力は勝手に育つことはない。
しかし、AIをコーチやメンターと見なし、自分の理解を検証し、盲点に迫り、曖昧な概念を明確に説明するよう自分を追い込むために使うなら、あなたはAIによって学習サイクルを加速していることになる。
Gabrielの方法の核心は「AIに代わりに学んでもらう」ことではなく、「AIと一緒に学ぶ」ことだ。彼は常に能動的に問いかけている主体であり、AIはフィードバックと素材を提供するだけ。すべての「なぜ」は彼自身が発し、すべての理解の層は彼自身が掘り下げたものだ。
ここであの古いことわざを思い出します。「魚を与えるより、釣り方を教える」。
再帰的知識補完｜画像出典：nanobaba2
04 実際のヒント
ここまで聞くと、「私はAI研究者でもプログラマーでもない。この方法は私には関係ないのでは？」と思う人もいるかもしれません。
しかし、Gabrielのアプローチは、誰もがAIを使って未知の分野を学ぶための、汎用的な5ステップフレームワークに抽象化できると考えます。
1. 教科書の第一章から始めるのではなく、現実の問題から始める。
学びたいことがあるなら、まず行動に移し、詰まったところから補っていけばよい。
こうして得た知識は文脈と目的を持ち、孤立した概念を暗記するよりもはるかに効果的です。
Gabrielの見解｜画像出典：X
2. AIを、いつでも忍耐強く対応してくれるメンターと見なす。
どんな馬鹿げた質問でもでき、同じ概念を異なる方法で説明してもらい、「5歳児に教えるように説明してくれ」と頼める。
AIはあなたを笑ったり、イライラしたりしません。
3. 直感が生まれるまで、能動的に問い続ける。表面的な理解に満足しない。
ある概念を、自分の言葉で説明できますか？ 原文にない例を挙げられますか？ 素人に説明できますか？ それができないなら、さらに問い続けましょう。
4. ただし注意すべき罠がある：AIも「ハルシネーション（幻覚）」を起こす可能性がある。
再帰的質問の中で、AIが基礎概念を誤って説明すれば、あなたは誤った道をどんどん進んでしまう。
そのため、重要なポイントでは複数のAIでクロスチェックを行い、質問の土台が正しいことを確認することをおすすめします。
5. 質問のプロセスを記録する。
そうすれば、再利用可能な知識資産が形成される。次に同様の問題に遭遇したとき、過去の思考経路を振り返ることができる。
伝統的な考えでは、ツールの価値は抵抗を減らし、効率を高めることにある。
しかし学習に関しては正反対です。適度な抵抗、必要な摩擦こそが、学習が起こる前提です。すべてが滑らかすぎれば、脳は省エネモードに入り、何も記憶に残らない。
Gabrielの再帰的質問は、まさに摩擦を生み出している。
彼は繰り返し「なぜ」を問い、自分が理解していない境地まで自分を追い込み、少しずつ穴を埋めていく。
このプロセスは非常に不快だが、その不快さこそが、知識を長期記憶に定着させる。
05 将来の職業トレンド
この時代、学歴の独占は崩れつつあるが、認知のハードルは見えないところで高まっています。
大多数の人はAIを「答え生成器」として使い、ごく少数の人々——Gabrielのような人々だけが、AIを「思考トレーニング装置」として使っている。
似たような使い方は、すでにさまざまな分野で現れています。
例えば「ジケ」では、多くの親がnanobananaを使って子どもに勉強を教えています。しかし、AIに直接答えを出させるのではなく、解法のステップを生成させ、一つひとつ思考プロセスを見せながら、子どもと一緒に各ステップの論理を分析しているのです。
こうすることで、子どもが学ぶのは答えではなく、解法のやり方です。
プロンプト「与えられた積分を解き、完全な解答をホワイトボードに書き出してください」｜画像出典：nanobaba2
また、ListenhubやNotebookLMの機能を使って、長い文章や論文をポッドキャスト形式に変換し、2つのAI音声が対談しながら解説・質問する人もいます。怠けだと見る人もいますが、逆に、対談を聞いてから元の文章を見直すことで理解効率が上がる人もいるのです。
なぜなら、対談中に自然に質問が投げかけられ、「このポイント、本当に分かってる？」と自分自身に問いかけるからです。
Gabrielインタビューをポッドキャスト化｜画像出典：notebooklm
これは将来の職業トレンドを示しています。「専門性×多能性」です。
以前なら、製品を作るにはフロントエンド、バックエンド、デザイン、運用、マーケティングなど、多くの分野の知識が必要でした。今なら、Gabrielのように「再帰的穴埋め法」を使い、短期間で不得意分野の80％を習得できます。
元々プログラマーだった人が、AIでデザインやビジネスロジックを補えば、プロダクトマネージャーになれる。
優れたコンテンツクリエイターがAIを通じてコード力を補えば、独立系開発者になれる。
このトレンドから推測できるのは、「将来的に、より多くの『一人企業』が出現するかもしれない」ということです。
06 主導権を取り戻せ
今、あの投資家先輩の言葉を改めて思い出すと、彼が本当に伝えようとしていたことに気づきます。
「答えが出なくなるまで、問い続けろ」。
この言葉はAI時代において、極めて有効な心構えです。
AIが最初に出した答えに満足していれば、私たちは知らず知らずのうちに退化している。
しかし、問いを重ね、AIに論理を徹底的に説明させ、それを自分の直感として内面化できれば、AIは本当に私たちの「外付け装置」になる。私たちがAIの従属になるのではなく。
ChatGPTに思考を代行させず、一緒に考えさせること。
Gabrielはソファで寝ていた中退者から、OpenAIの研究員へと至りました。
そこに特別な秘訣はありません。数千回、数万回の問いかけがあったのみです。
AIに代替されることへの不安が渦巻くこの時代、最も現実的な武器はおそらくこれです。
最初の答えで止まらず、問い続けろ。
引用
[1].The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers.
[2].Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study.
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
极客公园
