Autor: Jin Guanghao
Hace un tiempo, asistí a una reunión de IA en Shanghái.
El evento en sí trató mucho sobre la implementación de la IA.
Pero lo que más me impresionó fue el método de aprendizaje que compartió un inversor veterano.
Dijo que este método lo salvó y cambió sus criterios para evaluar a las personas al invertir.
¿En qué consiste? En aprender a "hacer preguntas".
Cuando te interese un tema, habla con DeepSeek, sigue hablando hasta que no pueda responder más.
Esta técnica de "preguntar infinitamente" me pareció impactante en ese momento, pero después del evento, lo dejé de lado.
No lo intenté ni lo volví a pensar.
Hasta hace poco, me encontré con la historia de Gabriel Petersson, quien abandonó la escuela y usó la IA para aprender y entrar en OpenAI.
Fue entonces cuando me di cuenta de lo que realmente significa "preguntar hasta el final" en esta era de la IA.
Podcast de la entrevista a Gabriel | Fuente de la imagen: YouTube
01 "Abandono escolar" y un giro inesperado para convertirse en investigador de OpenAI
Gabriel es de Suecia y abandonó la escuela secundaria.
Página de redes sociales de Gabriel | Fuente de la imagen: X
Antes pensaba que era demasiado tonto para trabajar en algo relacionado con la IA.
El cambio ocurrió hace unos años.
Su primo fundó una startup en Estocolmo, trabajando en sistemas de recomendación de productos de comercio electrónico, y lo llamó para ayudar.
Gabriel fue, sin mucha formación técnica ni ahorros, incluso durmió en el sofá de la sala común de la empresa durante un año entero al inicio.
Pero en ese año aprendió mucho. No en la escuela, sino bajo la presión de problemas reales: programación, ventas, integración de sistemas.
Luego, para optimizar su aprendizaje, se convirtió en contratista, lo que le permitió elegir proyectos de manera flexible, colaborar con los mejores ingenieros y buscar activamente retroalimentación.
Al solicitar una visa para EE. UU., enfrentó un problema: este tipo de visa requiere demostrar "habilidad extraordinaria" en el campo,通常需要学术出版物、论文引用之类的材料。
¿Cómo podría un desertor escolar tener eso?
Gabriel ideó un plan: recopiló sus publicaciones técnicas de alta calidad en comunidades de programadores como sustituto de "contribuciones académicas". Sorprendentemente, la oficina de inmigración lo aceptó.
Una vez en San Francisco, continuó usando ChatGPT para aprender matemáticas y aprendizaje automático por su cuenta.
Ahora es científico investigador en OpenAI, trabajando en el modelo de video Sora.
Llegados a este punto, must be wondering, ¿cómo lo hizo?
Punto de vista de Gabriel | Fuente de la imagen: X
02 Relleno recursivo de conocimiento: un método de aprendizaje contraintuitivo
La respuesta es "preguntar infinitamente": tomar un problema específico y resolverlo completamente mediante IA.
El método de aprendizaje de Gabriel va en contra de la intuición de la mayoría.
La ruta tradicional es "de abajo hacia arriba": primero fundamentos, luego aplicación. Por ejemplo, para aprender aprendizaje automático, necesitas álgebra lineal, probabilidad, cálculo, luego aprendizaje estadístico, luego aprendizaje profundo, y finalmente proyectos reales. Este proceso puede llevar años.
Su método es "de arriba hacia abajo": comenzar directamente con un proyecto específico, resolver problemas según surjan y llenar vacíos de conocimiento cuando se descubran.
En el podcast dijo que antes este método era difícil de popularizar porque necesitabas un maestro omnisciente que te dijera "qué aprender a continuación".
Pero ahora, ChatGPT es ese maestro.
Punto de vista de Gabriel | Fuente de la imagen: X
¿Cómo funciona? Puso un ejemplo: cómo aprender modelos de difusión.
Paso 1: Comenzar con conceptos macro. Le pregunta a ChatGPT: "Quiero aprender sobre modelos de video, ¿cuál es el concepto central?", la IA responde: auto codificadores.
Paso 2: Primero el código. Pide a ChatGPT que escriba directamente código para un modelo de difusión. Al principio, mucho es incomprensible, pero no importa, primero hazlo funcionar. Si funciona, tienes una base para depurar.
Paso 3, el más crucial: preguntar recursivamente. Examina cada módulo del código y hace preguntas.
Capa por capa, hasta entender completamente la lógica subyacente. Luego regresa a la capa superior y continúa con el siguiente módulo.
Llama a este proceso "relleno recursivo de conocimiento".
Relleno recursivo de conocimiento | Fuente de la imagen: nanobaba2
Esto es mucho más rápido que estudiar seis años de manera metódica; posiblemente en tres días se puede establecer una intuición básica.
Si estás familiarizado con el método socrático, verás que es esencialmente la misma idea: acercarse a la esencia de las cosas mediante preguntas en capas, donde cada respuesta es el punto de partida para la siguiente pregunta.
Solo que ahora usa la IA como la persona interrogada, y dado que la IA es casi omnisciente, expresa continuamente la esencia de las cosas de manera comprensible para el interrogador.
En realidad, Gabriel usa este método para "extraer conocimiento" de la IA, aprendiendo la esencia de las cosas.
03 La mayoría de nosotros usamos la IA y, en realidad, nos volvemos más tontos
Después de escuchar el podcast, la historia de Gabriel me generó una duda:
¿Por qué él puede aprender tan bien con la IA, mientras que muchos otros sienten que retroceden?
No es solo una impresión subjetiva.
Un artículo de investigación de Microsoft de 2025 muestra [1] que cuando las personas usan frecuentemente IA generativa, su uso del pensamiento crítico disminuye notablemente.
En otras palabras, externalizamos el pensamiento a la IA y luego nuestra capacidad de pensamiento se atrofia.
Las habilidades siguen la regla del "úsalo o piérdelo": cuando usamos IA para escribir código, nuestra capacidad manual y mental para codificar se degrada silenciosamente.
El estilo de trabajo de "vibe coding" con IA parece eficiente, pero a largo plazo, las habilidades de programación del propio programador disminuyen.
Arrojas requisitos a la IA, escupe un montón de código, lo ejecutas y te sientes genial. Pero si apagas la IA y escribes la lógica central a mano, muchos encontrarán su mente en blanco.
Un caso más extremo proviene del campo médico; un artículo médico señala [2] que, tres meses después de introducir la asistencia de IA, las habilidades de detección de colonoscopia de los médicos disminuyeron un 6%.
Este número parece pequeño, pero piensa: es una habilidad real de diagnóstico clínico, relacionada con la salud y la vida de los pacientes.
Entonces la pregunta es: la misma herramienta, ¿por qué algunos se fortalecen y otros se debilitan?
La diferencia está en cómo usas la IA.
Si la usas como una herramienta para hacer el trabajo por ti, que escriba código, redacte artículos, tome decisiones, entonces tus habilidades确实会退化。Porque te saltas el proceso de pensamiento y solo obtienes el resultado. Los resultados se pueden copiar y pegar, pero la capacidad de pensar no crece de la nada.
Pero si la usas como un entrenador o mentor, para检验 tu comprensión, cuestionar tus puntos ciegos, obligarte a aclarar conceptos模糊: entonces estás acelerando tu ciclo de aprendizaje con IA.
El método de Gabriel no es "dejar que la IA aprenda por mí", sino "dejar que la IA aprenda conmigo". Él siempre es quien pregunta activamente, la IA solo proporciona retroalimentación y material. Cada "por qué" lo pregunta él mismo, cada capa de comprensión la excava él mismo.
Esto me recuerda un viejo dicho: Regala un pescado a un hombre y le darás alimento para un día, enséñale a pescar y lo alimentarás para el resto de su vida.
Relleno recursivo de conocimiento | Fuente de la imagen: nanobaba2
04 Algunas inspiraciones prácticas
Llegados a este punto, alguien podría preguntar: No me dedico a la investigación ni soy programador, ¿de qué me sirve este método?
Creo que la metodología de Gabriel se puede抽象成一个更通用的五步框架,每个人都可以通过 IA 学习任何不懂的领域。
1、Partir de problemas reales, no del primer capítulo de un libro de texto.
Si quieres aprender algo, simplemente comienza, y complementa donde te atasques.
El conocimiento aprendido así tiene contexto y propósito, mucho más efectivo que memorizar conceptos de forma aislada.
Punto de vista de Gabriel | Fuente de la imagen: X
2、Trata a la IA como un mentor永远有耐心。
Puedes hacerle任何蠢问题, pedirle que explique el mismo concepto de不同方式, que "lo explique como si fuera a un niño de cinco años".
No se reirá de ti ni se impacientará.
3、Pregunta activamente hasta建立直觉。No te conformes con una comprensión superficial.
¿Puedes repetir un concepto con tus propias palabras? ¿Puedes dar un ejemplo no mencionado en el texto?
¿Puedes explicárselo a un profano? Si no, sigue preguntando.
4、Hay una trampa de la que debes警惕: la IA también alucina。
Al preguntar recursivamente, si la IA解释错了 un concepto subyacente, podrías adentrarte cada vez más en el camino equivocado.
Por lo tanto, se sugiere验证关键节点 mediante múltiples IA para确保提问的地基是稳的。
5、Registra tu proceso de preguntas。
Esto puede形成可复用的知识资产: la próxima vez que encuentres un problema similar, tendrás una ruta de pensamiento completa para revisar.
En la观念传统, el valor de las herramientas radica en减少阻力、提高效率。
Pero el aprendizaje es todo lo contrario: una resistencia适度, una fricción必要, son前提 para que ocurra el aprendizaje. Si todo es demasiado fluido, el cerebro entra en modo de ahorro de energía y no recuerda nada.
El interrogatorio recursivo de Gabriel本质上就是在制造摩擦。
Él sigue preguntando por qué, llevándose constantemente al límite de la incomprensión, y luego llenando el agujero poco a poco.
Este proceso es incómodo, pero es esta incomodidad la que hace que el conocimiento entre真正 en la memoria a largo plazo.
05 Tendencias职业未来
En esta era, el monopolio de los títulos académicos se está rompiendo, pero el umbral cognitivo está aumentando隐形。
La mayoría solo ve la IA como un "generador de respuestas", mientras que muy pocos, como Gabriel, la ven como un "simulador de pensamiento".
De hecho, usos similares ya han aparecido en diferentes领域。
Por ejemplo, en Jike, veo a muchos padres usando nanobanana para ayudar a sus hijos con las tareas. Pero no le piden a la IA que dé directamente las respuestas, sino que genere pasos de solución, mostrando el proceso de pensamiento paso a paso, y luego analizan la lógica de cada paso con el niño.
Así, el niño aprende no la respuesta, sino el método para resolver el problema.
Prompt "Resuelve la integral dada y escribe la solución completa en la pizarra" | Fuente de la imagen: nanobaba2
Otros usan funciones de Listenhub o NotebookLM para convertir artículos largos o artículos académicos en formato de podcast, haciendo que dos voces de IA conversen, expliquen y pregunten. Algunos piensan que esto es flojera, pero otros descubren que, después de escuchar la conversación y volver al texto original, la效率 de comprensión es mayor.
Porque en el proceso de conversación se lanzan preguntas naturalmente, obligándote a pensar: ¿realmente entiendo este punto?
Podcast de la entrevista de Gabriel convertido en podcast | Fuente de la imagen: notebooklm
Esto apunta a una未来职业趋势: Especialización en una área con múltiples habilidades.
Antes, para crear un producto, necesitabas saber front-end, back-end, diseño, operaciones, marketing. Ahora, puedes像 Gabriel 一样, usar el método "rellenar agujeros recursivamente" para dominar rápidamente el 80% del conocimiento en tus áreas débiles.
Si eras programador,通过 IA补齐设计和商业逻辑, puedes convertirte en un gerente de producto.
Si eras un buen creador de contenido,通过 IA, puedes快速补齐代码能力的短板, convertirte en un desarrollador independiente.
Basado en esta tendencia se puede推断: "Tal vez, en el futuro, aparecerán más formas de 'empresas unipersonales' ".
06 Recupera tu iniciativa
Ahora, al recordar las palabras de ese inversor veterano, entiendo lo que realmente quería decir.
"Sigue preguntando hasta que no pueda responder."
Esta frase es una gran mentalidad en la era de la IA.
Si nos conformamos con la primera respuesta de la IA, nos degradamos silenciosamente.
Pero si, mediante preguntas, obligamos a la IA a explicar la lógica a fondo y luego la interiorizamos como nuestra intuición: entonces la IA se convierte realmente en nuestra extensión, y no nosotros en apéndices de la IA.
No dejes que ChatGPT piense por ti, deja que piense contigo.
Gabriel pasó de ser un desertor escolar que dormía en sofás a investigador de OpenAI.
No hubo ningún secreto intermedio, solo miles y miles de preguntas.
En esta era llena de ansiedad por ser reemplazado por la IA, el arma más tangible podría ser:
No te detengas en la primera respuesta, sigue preguntando.
