高校中退者がChatGPTで独学し、OpenAIの研究科学者になる

すべての投稿を見る2026年2月17日公開

高校中退者が ChatGPT で独学し、OpenAI の研究科学者に

Gabriel Petersson 氏は OpenAI Sora チームの研究科学家であり、動画生成モデルの開発を担当しています。通常は博士号が求められるこの職位において、彼は高卒資格も大学学位も持たず、ChatGPT を活用して数学と機械学習を独学しました。

彼はスウェーデン中部の小さな町ヴァッゲリユド（Vaggeryd）で生まれ、17 歳で高校を中退してスタートアップ企業に参加し、19 歳の時にはスウェーデン最大のクラウドキッチン企業の臨時 CTO を務めました。その後、Dataland や Midjourney でエンジニアとして働き、2024 年 12 月に OpenAI に加入しました。彼が取得した O-1 卓越的能力者ビザの申請書類の一つには、Stack Overflow 上の技術回答投稿が含まれていました。

Extraordinary（エクストロディナリー）というポッドキャスト番組で、彼はホストの Sigil Wen とこの経験全体について語り合いました：どのように中退し、どのように独学し、AI をどう研究に活用し、どう就職活動を行い、教育をどう捉えているか。以下がその対話の要約です。

ボトムアップではなくトップダウン学習法：従来の拡散モデル（diffusion model）の学習は微積分や線形代数から始めなければならず、実際のモデルに触れるまで少なくとも 6 年かかるものです。Gabriel は ChatGPT を用いたトップダウン再帰学習により、わずか 3 日で拡散モデルの中核的な理解を構築しました。

Sora チームの日常：生成された動画の問題点を監視し、モデルアーキテクチャやデータを修正し、トレーニングを行い、結果を確認する。このプロセスを繰り返します。多くの場面で AI が補助的に使用されますが、「私は感覚でプログラミングしているわけではありません。コードに対して非常に確固たる意見を持っています」と強調しています。

デモによる就職活動法：3 秒以内にあなたの能力を理解してもらえるようなデモを作成し、直接意思決定者にアプローチして採用プロセスを迂回する。「企業はお金を稼ぎたいだけだ。あなたが彼らにお金を稼がせることができ、コードを書けることを証明すれば、彼らはあなたを採用します」。学歴、インターンシップ経験、課外活動よりも、動作するデモの方がはるかに効果的です。

教育制度への批判：大学はもはや基礎知識を独占していません。教授たちが旧来の体系を維持するのは、自身の地位が脅かされているからです。しかし同時に、「大学は非常に面白い」と認め、より穏健な人々にとっては依然として合理的な選択肢であると述べています。

【1】「今夜大きなパーティーがあるんだ、明日来いよ」「ダメだ」

Gabriel の中退の物語には、熟考されたプロセスはありませんでした。

従兄弟が電話をかけてきて、「とても頭の良い人物」として知っていると語り、EC（電子商取引）製品のレコメンデーションシステムを構築するスタートアッププロジェクトを始めたいと言いました。その人物は現在シンガポールで研究を行っており、「今日から始めよう、急いでストックホルムへ来てくれ」と言いました。

当時 17 歳だった Gabriel はスウェーデンの田舎に住んでいました。彼の返事はこうでした。「お兄さん、今夜大きなパーティーがあるんだ、明日なら来られるか？」従兄弟はダメだと答えました。そこで彼は次のバスに乗ってストックホルムへ向かい、二度と高校に戻ることはありませんでした。

この会社が後に Y Combinator（S20 バッチ）に選出された Depict.ai です。同社は AI を活用して EC サイト向けに製品推薦を生成するサービスを提供していました。チームはすべて 17〜18 歳の若者で、研究者の Oliver Edholm 氏は当時 16 歳でした。【注：Depict.ai はその後、Tiger Global がリードした 1,700 万ドルの A ラウンド資金調達に成功し、顧客には Office Depot や Staples などがあります。】

誰も起業や販売について何も知りませんでした。Gabriel は最初はコールドメールを送りましたが、効果は芳しくありませんでした。その後電話に変更しましたが、それでも限界がありました。彼が 18 歳の非技術者だったからです。

彼は一つの策を思いつきました：事前にターゲット企業のウェブサイトをスクレイピング（データ収集）し、新しい製品推薦システムをトレーニングして、その結果を A3 サイズの大きな紙に印刷します。左側には顧客が現在使用している推薦を、右側には自社の推薦を表示しました。彼は 100 枚以上作成し、大きなフォルダーに入れて、直接相手の会社を訪ねました。

「こんにちは、EC 担当の方とお話しできますか？」そう尋ねてから、比較図を取り出します。顧客はいつも驚きます。「これらすべてをあなたが行ったのですか？どうやって？すごいね」

しかし、顧客はすぐに次のように尋ねます：ここから本番環境までどれくらい時間がかかりますか？どのような未知のリスクがありますか？ガブリエルはすでに準備していました。彼は、顧客サイトのブラウザコンソールに直接貼り付けて即座に製品推薦システムを切り替えられるスクリプトを持っており、内部には A/B テストが組み込まれていて、2 つの推薦システムそれぞれがどれだけの収益をもたらしたかを自動的に追跡します。初回の面談で契約成立です。

その頃、彼は従兄弟の「寮」に住んでいました。スウェーデンには本当の意味での大学寮はなく、在校生のみが申請できる小さなアパートのようなものです。彼には学生資格がないため、毎回書類を提出する際に工夫が必要でした。寝床は公共の休憩室で拾ってきたソファのクッションでした。

シジルはなぜ彼は諦めずに続けられたのかと尋ねました。多くの人は挫折して学校に戻るでしょう。

「私は現実に対して歪んだ認識を持っています。これが私を億万長者にすると 100% 確信しています。100% です。世界に疑いの余地はありません。」

彼は夜通し、また翌日も働き続け、ストックホルム中で営業活動を行いました。彼の視点では、他のすべては重要ではありませんでした。

【2】「私はいつも自分が馬鹿だと思っていた」

ガブリエルが中退したとき、彼にはコードを書く能力はありませんでした。

プログラミングの启蒙は従兄弟から受けたものです。13 歳の時、従兄弟が Java を見せてくれ、彼は極めて簡素なポケモンのターン制ゲームを作りました。その後、Udemy で Python を学び、弾幕を避ける鴨のゲームを作成しました。アンドリュー・ン（Andrew Ng）の機械学習コースにも挑戦しました。【注：アンドリュー・ンはスタンフォード大学の教授であり、Coursera 上の彼の機械学習コースは世界で最も人気のある AI 入門コースの一つです。】

「私はいつも自分が馬鹿だと思っていた。これらのことは到底できないのだと。」

実際にプログラミングを習得したのは Depict.ai でのことでした。会社が生き残るために、彼は現実的な問題に直面し、解決せざるを得ませんでした：推薦システムの構築、ウェブクローラーの作成、顧客との統合、A/B テストのセットアップです。

彼によれば、現実的な問題がある方が学習はむしろずっと簡単になるそうです。「人々はよく、『学校に行かないのにどうやって学ぶのか？』と言いますが、実は逆の方が容易なのです。現実的な問題があり、それをステップに分解できます：推薦システムをこの EC サイトに統合するには、ウェブ要素の選択方法やコンテンツの挿入方法を学ばなければならない……そして一歩ずつ進み、Stack Overflow で調べ、友人に尋ねるのです。」

鍵となるのはプレッシャーです。「もし誰かが『これを学びなさい。時間は無限にあるし、それで稼げるわけでもない』と言うなら、私は決して学ぶことはできません。絶対に不可能です。」

【3】トップダウン学習法——3 日 vs 6 年

ガブリエルは、人々が最も速くものを習得する方法は「トップダウン」であると信じています：実際の問題から始め、その問題を解決するために必要なすべてを読み込み、さらに多くのサブ問題を見つけ、それらも読み込み、問題の核心まで再帰的に進んでいくという方法です。

しかし、学校で教えられるのは全く逆の方法です。機械学習を学びたいですか？まず機械学習に触れることは考えず、最初の 4 年間は数学を学びます：微積分、線形代数、行列分類……そして、線形回帰のような単純な統計的学習方法です。本番環境レベルの機械学習にアクセスできるようになるには、ずっと後まで待たなければなりません。

なぜ学校はボトムアップ方式を採用するのでしょうか？それはこの方式がスケーラブルだからです。最初のステップは常にこれ、2 番目のステップは常にあれで、個別指導は不要です。しかし、効率は極めて低いです。

「現在では ChatGPT が登場し、すべてが変わりました。大学はもはや基礎知識を独占していません。ChatGPT からあらゆる基礎知識を得ることができます。」

彼はさらに、広く議論を呼んだ発言をしました：「大規模言語モデル（LLM）をカリキュラムに組み込んでいない大学を、私は真剣に受け止められません。」

シジルは追及しました：結局のところ、あなたはどのように AI を活用して数学や機械学習を独学し、OpenAI で働けるレベルまで到達したのですか？

ガブリエルは、拡散モデル（Diffusion Model）の学習プロセスを例に挙げました。【注：拡散モデルは現在主流の画像および動画生成技術であり、データに段階的にノイズを加え、そのノイズ除去過程を学習することでコンテンツを生成するアーキテクチャです。Stable Diffusion や Sora もこのアーキテクチャに基づいています。】

最初のステップとして、ChatGPT に質問しました：ビデオおよび画像 AI モデルの最も基本的な概念は何ですか？ChatGPT は自己符号化器（オートエンコーダー）や拡散モデルについて説明し始めました。「興味深そうだし、至る所で話題になっています。」

2 番目のステップでは、ChatGPT に拡散モデルの完全なコードを書いてもらいました。コードは出力されましたが、全く理解できませんでした。その後、AI と一緒にデバッグして実行できるようにしました。この過程を通じて徐々に直観を養います。

第三步，开始逐行追问。比如代码中有个 ResNet 模块，它做了一堆变换，还有一个残差连接（Residual Connection），让数据以特定方式通过，使模型更容易学习。一开始 Gabriel 完全不懂这是怎么回事。

他继续追问。ChatGPT 解释说梯度可以通过这些路径流动，如果没有残差连接，梯度会在某些地方被阻断。他继续追问，直到真正理解。

然后他告诉 AI：这是我对这个概念的理解，完全正确吗？

他还分享了一些提示词技巧。比如“像给 12 岁小孩解释”，AI 会用生活场景做类比，“想象你在一个书店，嵌入向量就是不同的书……”，把 AI 概念和现实世界连接起来。

Gabriel 把这个过程总结为"递归知识空白填补"（recursive gap filling）。核心技能有两个：一是感知自己不懂什么，"等等，我真的理解这部分了吗？"这其实挺难的，需要刻意练习。二是感知什么时候真正懂了，那个“啊，click 了”的瞬间。

"追逐这些 click，让它们尽可能频繁地出现，这就是你的目标函数。"

"学扩散模型，自上而下三天。自下而上学？要六年才能接触到。"

六年里你要学微积分 1、微积分 2、线性代数，然后机器学习入门……而且六年前你怎么知道自己想学扩散模型？这才是大学的问题所在。你要用三年才能发现自己选的方向是不是真的喜欢。

Gabriel 也强调了边界。他说学术界的人“做了令人难以置信的工作，做了对世界非常重要的研究，我绝对不是在看不起这些人。我唯一看不起的是那些伴随着旧思维方式的概念。”

【4】在 Sora 团队的日常

Sigil 问他在 OpenAI 怎么用 ChatGPT 来构建世界顶级的视频模型。

Gabriel 说很多人问他这个问题，总想象他的工作多么特别。其实相当直接。

“你看视频，发现这部分不太好。然后你去改模型架构，或者改数据。训练模型，看结果，盯着视频看一会儿。'这些视频更好了，太好了，这个进主分支。'然后循环。下一个要修的是什么？下一个要试的是什么？”

【注：Sora 是 OpenAI 的视频生成模型，2024 年底发布了 Sora 2，Gabriel 被列为该版本的研究贡献者。】

AI 在这个过程中的角色是：把整个代码库扔给 AI，让它给出 10 个改进建议，推荐相关论文，帮助和同事讨论方案。

他的论文阅读方法也很有特点。不会逐字阅读，而是让 AI 告诉他：这篇论文和已有方法相比，到底做了哪些不同的事？列一个清单，越具体越好。大部分论文看完总结就可以放弃了，只有决定实现的才深入读。而且“深入读”可能也只是在遇到 bug 的时候。

他一般的做法是把论文的方法直接让 AI 实现到自己的代码中，拷贝进去。

“但我会仔细读代码。我不是凭感觉编程（vibe coding），我对代码非常有主见。”

Sigil 追问这种区分。Gabriel 说他要的是"走捷径去理解所有基础"，而不是“走捷径跳过理解”。

「人々の第一反応はいつもこうです。『あなたはただ近道を行きたいだけで、本当に理解しようとはせず、AI でごまかしたいのだ』と。確かに私は近道を選びました。しかし、その近道を選んだのはすべての基礎を理解するためです。この区別が非常に重要です。」

彼は毎日 AI に百の質問をすると話します。コードを書き上げては投げ込みます。「これは良いですか？バグはありませんか？もっとシンプルに書くにはどうすればいいですか？」と。「時には問題ないと答えることもありますが、時には『ここにバグがあります』や『こうすればもっとシンプルになります』と言うこともあります。そうして学び続けるのです。」

しかし彼はまた、人間の意見が依然として非常に価値があるとも付け加えました。特に見解や判断に関わる場合です。「AI の訓練データはインターネット上のすべての見解から来ており、時には奇妙な見解も含まれます。最も優秀な人々と一緒に働くことは依然として重要です。ただし、AI は今では 95% をカバーできるようになりました。」

【5】ストックホルムからサンフランシスコへ——契約労働者戦略と Stack Overflow ビザ

Depict.ai を去った後、Gabriel は引き続き起業家としての道を歩み、目標はサンフランシスコにあることを明確に保っていました。

彼の戦略は契約労働者に限定し、流動性を維持することでした。「初期のキャリアにおいて人々が犯す最大の過ちは、同じ会社に長く留まりすぎることです。」

各企業に参加する際、彼が最初に行うことは「自分を面接した人を面接すること」です。「PR（コードレビュー）を行っていますか？私のコードを真剣にレビューし、どこで間違っているかを教えてくれますか？」と。彼はあえてコードの要求水準が高いチームを探しました。

Dataland で働いていた際、彼は教学を愛し完璧なコードを追求するエンジニアに出会いました。この人は各 PR に対して百件ものコメントを書きました。

Gabriel は電話をかけてこう言います。「そのレビューは素晴らしいですね。一緒にすべてのコメントを確認しましょう。」そして各提案の背後にある第一原理（ファースト・プリンシプル）を問い詰めます。

彼は優れたエンジニアになることは非常に難しいと述べました。膨大な数の第一原理と直感を理解する必要があるからです。「それらを知ってしまえば簡単ですが、学ぶのは難しいかもしれません。誰かが直接教えてくれ、かつあなたが吸収するのが上手であれば、それは巨大な優位性になります。」

そして今や、AI はいつでもどこでも、どの企業においてもこのフィードバックを提供できます。「午前 4 時であっても、コードを書き続けている最中であっても、なぜその決定がより良いのかを AI に尋ね続けることができます。」

アメリカへの道は必ずしもスムーズではありませんでした。当初彼は Dataland で J-1 ビザ（インターンシップビザに類似）を取得しようとしましたが、誰もが O-1 ビザは無理だと考えていたからです。【注：O-1 ビザは科学、芸術、教育、商業、またはスポーツの分野で卓越した能力を持つ外国人に米国が授与する非移民ビザであり、「アインシュタイン・ビザ」とも呼ばれます。】

その後会社に変動が生じたため、彼は離れることを決断しました。まず ESTA 観光ビザでサンフランシスコに数ヶ月滞在し、様々な人々と交流しました。その後に Midjourney に加入しました。【注：Gabriel は Midjourney 在籍中に高性能な Web 画像グリッド、内部ハイパーパラメータ調整ツール、およびデータセットエクスプローラーを開発しました。】

Midjourney 在籍中、彼は O-1 ビザも可能かもしれないと考え始めました。また、O-1 の申請には多くの「創造的な経路」があることも発見しました。

例えば、Stack Overflow 上の技術回答を「学術的発表」の基準を満たすために利用しました。彼の投稿は数百万回の閲覧数を獲得し、厳格なピアレビュー（投票システムが誤った内容を削除する）メカニズムを持っており、多くの開発者を支援してきました。

彼の従兄弟はかつて彼に、「Stack Overflow の質問に答えるのは時間の無駄だ」と言いました。Gabriel は当時こう答えました。「将来役に立つかもしれないと知らないだけですよ。」結果として、本当に役立ちました。

【6】学歴なしでどう就職するか——デモ・メソドロジー

Sigil の質問：もしあなたが無名の人物で、遠くからやってきた場合、どのようにして重要な人々に自分の価値を示すことができますか？

Gabriel が示した答えは、「デモを作る」ことです。

しかし彼はすぐに付け加えました。優れたデモの難点は技術にはないのです。「多くの人は、デモが難しいのは技術的に難しく、自分たちの能力が不足しているせいだと考えています。違います。プログラミングの知識をほとんど持っていなくても、非常にクールなデモを作ることができます。」

難しいのは二つのことです：3 秒以内に相手が何を見ているかを理解させること、そして 3 秒以内にあなたが優れたエンジニアであることを理解させることです。「あなたには一度きりのチャンスがあります。100 人の応募者のうち、誰かがあなたのリンクをクリックしたとき、その人はたった 3 秒しかありません。」

そこで彼は就職活動のアドバイスを一つの文に簡素化しました。

「企業はお金を稼ぎたいだけです。あなたが彼らにお金を稼がせることができると証明し、コードを書けるなら、彼らはあなたを雇います。」

では、従来の就職活動のアドバイスはどうでしょうか？学歴、インターンシップ、課外活動、弁論大会での優勝？

「面接官が『何をしたのか』と尋ねたとき、『プロセスを最適化して効率を 30% 向上させました』と言う。なるほど、それでもあなたがその仕事をできるかどうかはわかりません。ハーバード大学で成績優秀だった？それでもわかりません。弁論大会のチャンピオン？それでもわかりません。」

彼は、これらの要素が重視されるのは、誰も自らの能力を直接証明できないからだと説明します。真の実力が目に見えないため、学歴や経歴、受賞歴といった間接的な基準を見て、その人が適任かどうかを推測するしかないのです。

そして彼は興味深い分析を行いました：誰がこれらの間接的な基準に最も依存しているのか？

CEO は決して気にしません。彼らはお金を稼ぎたいだけです。「あなたがお金を稼がせてくれるなら」と言えば、「なるほど、それはタスクだ」と返ってきます。CEO から離れるほど、人々はこれらの基準を重視するようになります。なぜなら、彼らのインセンティブが変わるからです。最善の決定を下すことではなく、ミスを犯さないことに重点が置かれるのです。

「採用担当者はどうやってミスを防ぐのか？有名大学出身者を雇います。もしその人がうまくいかなかった場合、『私を責められますか？あの人はトップ校を出たんですから』となるのです。」

彼のアドバイスは、インセンティブのない人々を迂回することです。採用担当者には頼まないでください。彼らは技術者ですらなく、あなたの能力を判断できません。直接テクノロジーイベントに行き、起業家と話し、あなたが作ったものを見せ、「一週間無料で協力してみませんか？」と提案してください。

「100% の人が『いいですね』と言います。彼らは何も投資する必要がありません。あなたの実力を確認できるのですから。」

「最初の本当の仕事を得た後、誰もあなたの学歴を気にしません。実際に作り上げた成果があるなら、学歴に何の価値があるというのでしょうか？」

ただし彼は、これらのアドバイスは本当に職業に全力で取り組む人向けだと付け加えました。友人には大学に行くようにも勧めます。そこは面白く、友達もでき、何かを学ぶこともできますが、教え方が非効率なだけです。「それでもそれらのものは得られますが、効率は少し落ちるのです。」

Sigil は Gabriel が X（旧 Twitter）に投稿したいくつかのポストを取り上げ、彼に解説を求めました。

その一つ：「大学はもはや基礎知識を独占していません。以下は、私が高校中退者として ChatGPT を使って拡散モデルのコアな直観をどのように学んだかです。」

もう一つの投稿はより鋭いです：「現在、従来博士号保持者にしか与えられない仕事をしています。機械学習や数学の経験はゼロですが、すべて ChatGPT によるものです。ChatGPT が博士レベルに達したことを証明する証拠としてこれ以上何が必要でしょうか。」

Gabriel はなぜ学界がこのように強く反応するのかを説明しました。「もしあなたが教授で、一生を通じて大学に通うことの重要性を説いてきたなら、突然『必要ない』と言う人が現れます。最も賢い人々が自学自習を始めれば、大学には行かなくなります。そうすれば教授の地位は低下します。自己が脅かされるのです。」

「人々は 10 年かけて一つのことを成し遂げようとしています。そこに高校中退者が現れて数日学んだだけでその職位を手にする。これは辛いことです。私はこのようなことを書くとき、誰かの感情を傷つけることになります。正直に言って、それはある意味で意図されたことでもあります。なぜなら、これらの人々が他の人が目指す分野への参入を阻んでいるからです。」

Sigil は大学を多くの点で「成人向けデイケア」に例えました。Gabriel は特にスウェーデンでは大学が無料で手当も受けられると付け加えます。「『ここに無料のお金があります。決定を先延ばしにできますよ』と言われます。そして、何の決断も必要ない専門分野が無目的に 5 年間学べるのです。」

「人々は決定を先延ばすことを好みます。なぜなら、一つの選択をすることは、一生何をすべきかを永久に決定したように感じるからです。実際はそうではありませんが、そう感じられるのです。」

彼はまた例を挙げました。ある人が 5 年間法律を学んでからマーケティングへ転身し、より高い給与とより大きな満足を得た場合です。周囲の人々は「あなたは 5 年間を無駄にしたのではないか？」と言うでしょう。「この質問は私には奇妙に思えます。この人は生活の満足度と給与を向上させたのに、なぜそれが無駄になるのでしょうか？」

【8】70% の人が永続的な軽度の苦痛の中にいる

Sigil 氏：自分が何をしたいか分からない人に対して、何かアドバイスはありますか？

Gabriel は、そのような人を多く見てきたし、自分自身もその経験があると語ります。小学の後半期から「お金を稼ぎたい、成功したい」と思っていたものの、「それが何を意味するのか分からなかった。なぜなら何も見たことがなく、スタートアップ企業というものが何かも知らなかったからだ」と振り返ります。

その後、ネットで「どうやってお金を稼ぐか」を検索し、アンケートに答えて数セントを稼いで「なんてことだ、ネットでお金を稼いだぞ」と喜ぶのです。どこから始めればいいのかを誰にも教えてくれません。大人たちはただ「大学に行け、8 年待て」と言うだけです。

彼のアドバイスは、できるだけ早く実際の仕事をするということです。世界には数百万のスタートアップ企業が無料労働力を歓迎しています。LinkedIn でインビジブル・パターン（Invisible Patterns）の創業者を見つけ、全員にメッセージを送ってください。「週末だけ一緒に試してみませんか？ゼロコミットメントです。どんなことでもやります」と。

「私がこの人生で、実際の経験を得ることに直結しないとして行ったすべてのことは、初等・中等教育での勉強、習慣を身につけること、早起きしてランニングすること、自分が非常に効率的だと感じることなど、すべて無意味でした。もし同時に本当に重要なことをしていないなら、それらはゼロに過ぎません」

そして彼は、X（旧 Twitter）で話題となったあの投稿を展開しました。

「70% の人が永続的な軽度の苦痛の中にいるのは、あらゆる困難な決断に対してアレルギーを持っているからです。『何もしない』という選択肢があれば、必ずそれを選んでしまいます」

彼は具体的な例を挙げました。スウェーデンに友人がおり、平均給与より 50% 高い給料をもらい、生活は良好です。Gabriel はその友人に一年間、サンフランシスコの職に応募するよう勧めました。「あなたの給与は 10 倍になりますよ。より良い人々と一緒に働き、実際に使われる製品を作れるはずです」と。

しかし友人はいつも、行かないための理由をいくつも考え出します。脳が自動的にその思考を阻止してしまうのです。なぜなら職に応募するのは苦痛だからです：面接の準備、不採用になる可能性、オファーの交渉、現在の上司に辞めることを伝えることなど。

最後には Gabriel が直接、ある会社を紹介しました。「面接が始まればずっと簡単になります。会社があなたを前に進めてくれるからです」。友人はオファーを受け取り、給与は 10 倍になりました。

「彼は、この極めて単純な『先延ばし』という行為のために、スウェーデンで一軒の家を買うための資金を失ったのです」

アドバイスを受けることについて、Gabriel には独自の判断フレームワークがあります。彼はほとんど他人のアドバイスを聞きません。聞くのは数えるほどしかおらず、その中で最も重要なのは彼の従兄弟です。

「意見はほぼ常にインセンティブに追随します。5 年間大学に通い、自分のキャリアについて真剣に考えたことのない人に『どうすべきか』と尋ねれば、当然のように『5 年間大学に行くべきだ』と言うでしょう。出发点は良いのですが、そのアドバイスには全く意味がありません。彼はその一つの道しか歩んだことがなく、比較したこともなく、心理的に自分が遠回りをしたことを認めることさえ許されていません」

両親について、Gabriel の経験は少し特殊です。彼の両親は「子供に自己投影する」というスペクトルにおいて、最も低い位置にあります。彼らが成績に対して唯一求めるのは、A から F の評価の中で E を取ることだけでした。若い頃、Gabriel はこれに怒り、両親が自分を押し付けてくれないと感じていました。しかし後に彼は、この「低期待」が自分にとって完全な実験の自由を与えてくれたことに気づきました。

彼はもう一つの極端も観察しています：親たちが自分の叶わなかった夢を子供に投影するケースです。「医者になれ、弁護士になれ、これが私の夢であり、君の夢でもあるはずだ」と。これらの親たちは心から子供の幸せを願っているつもりですが、実際には自己中心的な動機によるものです。「我が子にそうさせれば、近所の人々に自慢できるからだ」

Gabriel はサンフランシスコの魅力を、人材の密度と資本の流動性にあると結論付けています。「ここに来た最初の週で、あなたの世界観は変わります。『なんてことだ、世界中でこんなに多くの人々が私がやっていることに興味を持っているとは知らなかったし、彼らが今まさに同じ部屋にいるのだ』と」

彼はこの体験をインスピレーション動画を見ることと比較しました。「これが本当のインスピレーションです。誰かがステージに立って、うまく聞こえる話を並べるようなものではありません。これは現実です。あなたと同じように考え、同じように働き、同じように努力し、同じほど気にしている人々がいます。彼らは朝 9 時から午後 5 時まで働くわけではありません」

彼は大胆な推計を行いました。「サンフランシスコの生産量は、ヨーロッパ全体を上回る可能性があります。サンフランシスコの資本は、ヨーロッパ全土を合わせたものよりも多いかもしれません。Apple、Google、OpenAI、Anthropic の本社がすべてここにあります」

来たいと考えている人へのアドバイス：まず強くなることです。「会社側がビザ手続きを代行してくれるのは、彼らにとって追加の負担になるからです。当然、地元の人を直接雇いたいと思うものです。しかし、世界中で本当に優秀なソフトウェアエンジニアは極めて不足しており、アメリカの優秀なエンジニアの数を倍にしても足りません。」

会話全体がほぼ終わろうとする頃、Gabriel は回顧的な洞察を共有しました。彼はスウェーデンの小さな町で育った際、自分には知能が足りないと感じることが大きな障壁だったと語りました。「ロケットを作っている人を見たり、素晴らしいことを成し遂げている人を見たりすると、自分がどうやってそれができるのか疑問に思います。しかし、人々は自分が何ができるかを過小評価しやすいものです。」

彼は、この番組を聴いている人々自体がすでに上位 1% に属している可能性があると述べました。「大多数の人々は、自分を改善するために 1 時間かけてポッドキャストを聴くという主动性を持ちません。あなたはすでに上位 1% の存在です。上位 1% とは、世界トップ 200 のスタートアップ企業に所属する人々を意味します。あとは歩き続けるだけです。」

Sigil の最後の評価は「あなたは AI を使って学習する能力において、世界で最も優れた一人かもしれません」でした。Gabriel は笑いながらこう答えました。「より多くの人々が私よりも上手にできるようになることを願っています。そうすれば、彼らから学べるからです。」

問：Gabriel の核心的な学習方法は何ですか？ 答：「再帰的な知識の空白埋め（recursive knowledge gap filling）」。実際の問題から始め、AI を用いて逐層的に問いかけ、分からない箇所があればさらに深く掘り下げ、真に理解するまで続けることです。核心となるスキルは、自分の知識の盲点を認識することと、いつ真正に「理解が深まる瞬間（click）」を迎えたかを感知する能力です。

問：学歴がない場合、どうやって良い仕事を見つけますか？ 答：3 秒以内であなたの能力を理解できるデモを作成し、直接起業家や意思決定者に提示して、1 週間の無料試用を提案することです。採用担当者ではなく、彼らのインセンティブが「失敗しないこと」であって「最良の人を見つけること」ではないため、採用担当者を迂回させるのです。

問：彼はどのようにアメリカのビザを取得したのですか？ 答：まず Midjourney で十分な業界での影響力を築き、その後 O-1 卓越した能力を持つ人材向けビザを申請しました。Stack Overflow 上の高品質な技術回答を、従来の「学術論文発表」基準に代わるものとして活用したのです。

問：OpenAI では具体的にどのような仕事をしていますか？ 答：Sora チームの研究科学者として、動画生成結果の観察、モデルアーキテクチャやトレーニングデータの修正、モデルのトレーニング、効果の評価を繰り返すことが日常業務です。AI を大量に活用していますが、すべてのコード行を理解することにこだわっています。

問：彼は大学が全く無意味だと考えているのですか？ 答：いいえ。大学は楽しい体験であり、友人を作り、学ぶことができる場所だと考えています。しかし、教育方法の効率が低く、また基礎知識を得るための唯一の経路ではなくなりました。強い職業的野心を持つ人々に対しては、できるだけ早く実際の職場環境に入ることを推奨しています。

オリジナル動画ソース：Extraordinary ポッドキャスト、Gabriel Petersson 特別インタビュー https://www.youtube.com/watch?v=vq5WhoPCWQ8