"边干边学"（Learning by Doing）是奥特曼最推崇且认为被严重低估的学习策略。

OpenAI CEO山姆·奥特曼的学习方法论

核心观点

"边干边学"（Learning by Doing）是奥特曼最推崇且认为被严重低估的学习策略。他强调：
• 掌握技能的唯一途径是直接实践目标事项（X）

• 反对先学习辅助技能（A/B/C）再实践的线性路径

• 主张在实践目标过程中同步学习所需知识

具体论证

1. 传统路径的误区：
   • 人们常误认为需先掌握基础技能才能开展目标工作

   • 这种"准备-执行"模式导致学习效率低下

2. 实践优先的优势：
   • 直接接触核心问题能加速能力提升

   • 在实践中自然吸收关联知识（A/B/C）

   • 形成"问题-解决"的良性循环

3. 适用范围：
   • 该方法适用于绝大多数技能学习场景

   • 尤其适合快速迭代的科技领域

实施建议：对于任何想掌握的技能X，应立即开始实践而非等待"完全准备好"。通过解决真实问题驱动学习，比系统化预习更高效。