刘兴亮 ｜你知道默知识与暗知识吗？AI知道。
01
列夫•托尔斯泰在《战争与和平》中写道：「从塔鲁吉诺、博罗季诺到奥斯特里茨，战役不会按照人们所预计的发生。这是最基本的条件。」
当一座新型城市被设计师精确规划后，在它的内部、周围、邻近地带总会滋生癌细胞一样的临时建筑和街道，无序地扩张。生活总是无法预料。当科学家探索未知领域时，如同在荒野中跋涉的人不知道前方是陷井、悬崖，还是绿洲和充满希望的城镇。他可能面临欣喜若狂的成就，也有陷入麻烦和灾难的忧虑。
人工智能也不例外。或者说，人工智能在前景的不确定性上，超出人类以往在任何科学领域（或许核武器是例外）的预先想象。
大模型通过算法整合了计算能力、大数据，在开源的条件下，极有可能成为划时代的技术工具，在所有领域帮助人类减轻工作负担，过上更高效更具革命性的社会生活。它会淘汰一部分人，让另一部分进入高阶领域。
有人说，人工智能是人类社会的第四次工业革命，谁拥有优秀的AI大模型，谁就是第四次工业革命的「奇点」，就掌握了未来。
但同时，它也可能让大多数人成为技术决定社会状况前提下的科学奴隶。这些新型「科学奴隶」的统一特征是，他们不知道默知识与暗知识。
这可怕吗？
02
我们掌握的大多数知识是所谓的「明知识」，它是人类文化演进过程中逐步形成、不断叠加、传之后世的知识，包括大部分的生活与经验常识，经典科学中的命题知识或历史知识，以及可描述的文化系统都属于这类范畴。
比如「作用力等于反作用力」，「中国有56个民族」，「秦始皇统一了中国」等等。它的主要特征是具有较强的结构性和确定性，在整个知识体系内部能够相互解释并形成自洽的逻辑。这些知识是基于经验而可以感受的（比如苹果的形状味道），或者是不能感受而可以理解的（比如相对论）。
其次还有一种不容易用语言描述清晰的知识，它们存在，但大部分人不一定了解其本质特征。这种知识叫默知识。默知识是指在感觉上能把握，但无法清楚描述和表达的知识，即我们常说的「只可意会，不可言传」的那类知识。
例如图式思维就是一种默知识。我们想象一只鸟从一棵树飞到另一棵树，这一图景是很容易在大脑中浮现的，但如何用文字来清晰表达这个过程则很难。
这让人想到美国社会学家斯科特关于「米提斯」概念的分析，它强调实践知识的应变力和适应力，包括在对不断变动的自然和人类环境中做出反应中形成的广泛实践技能和后天获得的智能，那些不断对环境和其他人的运动、价值、欲望和姿态做出调整的复杂物理活动。
不易言传和经验是米提斯的核心特征，它更像一种只有通过实践才能获得的基本知识，它们不可能远离实践而仅仅通过书本和口头形式进行交流和传播。
当然，这与我们即将探讨的暗知识有很大不同，相似之处是，它们都不易言传而真实存在。
03
暗知识，与默知识相比，其更加难以捉摸、不易言传。这种知识深藏于数据的海洋、复杂的模式中，或者潜伏在日常生活和工作的经验里。它不同于那些可以通过语言明确表达出来的知识，而是一种更为隐晦、更为深层的理解。
例如，在复杂的系统如气候模型或经济体系中，有些关键动态并不显而易见，需要通过深入的分析和理解来把握。这种对复杂性的深层理解就是暗知识的体现。同样，在艺术创作中，艺术家的灵感和直觉很难被完全言传，但正是这种不易捕捉的智慧构成了他们作品的核心。
在商业世界中，对市场环境的深刻洞察和策略制定，往往来源于对行业规律的无形理解，这也是一种暗知识。而在编程和算法设计领域，程序员所依赖的直觉和个人经验，常常带来突破性的解决方案，这些也是难以用简单逻辑解释的暗知识。
特别是在人工智能的领域，暗知识的影响尤为明显。高级机器学习模型，如深度神经网络，在处理信息和做出决策时，往往存在一种「黑箱」效应。模型的设计者有时也无法完全解释其决策过程。这些由大量数据训练而成的模型，提炼出的模式和知识，很多时候超出了人类直接理解的范畴。如同探索一个未知的领域，我们看到的只是冰山一角，而其庞大的知识基础和决策逻辑则隐藏在水面之下。
因此，暗知识是一种存在于认知的阴影中的知识，它既是挑战也是机遇。它推动我们不断深入探究、不断尝试理解那些表面上看似无法理解的现象。在这个快速发展的技术时代，理解和利用暗知识，或许是我们应对未来挑战的关键。
04
人工智能的发展趋势利用巨大的计算能力和不可思议的数据，把一个人类大脑无法连接起来的浩瀚无边的数据世界充分关联起来，并从中寻找解决问题的途径和发现新问题的路径。
这一过程是人类当前的生活经验无法理解的。
人类的认知能力只可以表达和感受相对清晰和简单的数据及关系，当遇到多变量非线性的复杂系统时，我们的大脑就无能为力了。
因此AI的计算过程（黑箱操作）引发了人们对巨大的暗知识前景的担忧。即我们的生活将笼罩在巨量暗知识的阴影之下，自身对之无能为力。多数人只能接受暗知识和默知识的存在，受其摆布，无力反抗。因此对「人工智能的尽头是一个黑客帝国」的说法的担忧，并非杞人忧天。
05
世界上没有两颗一摸一样的鸡蛋，相同概念只出现在人类的抽象世界中。
每个社会领域都面临一些即时性实践和非法行动的冲动，这是由人善变游移的本性决定的。对于人工智能这类算法内化的技术，其处理能力越强，可解释性越弱，可视性越弱。
人们不知道它的背后是什么，如何关联自身的信息系统，如何处理个人的生活问题，给出的答案是否符合人性的需求，等等。
Transformer转换器是这个巨型系统的核心算法，让深度学习模型可以「自由吸收」数据中的知识。由此，语言模型也进入参数越多，数据越大，模型效果越好的时代。
它不断地汲取信息，不断地寻找信息变量的关系，不断给出答案，再不断根据人类的反馈进行修订，然后进行下一轮的信息分析，如此循环，自我训练，自我优化。过程的复杂和计算的强度，远非人类大脑所能承受。
一种全新的人工智能口号出现了：「规模就是一切。」或者说大力出奇迹。
如果人类的意识是造物的恩赐，人工智能似乎正在自我复至这种恩赐的原始图景。脑科学和心理学的突破，加之大模型的计算能力，人类大脑思维的密码似乎被逐步破解。
06
当这一天真的到来之后，什么是人类意识继续独立的基础呢？我们如何突破暗知识和默知识的封锁和蒙蔽，哪怕在不了解全部真相的前提下，仍然能在思想层面上保持独立和自我保全。
钥匙或许正在「米提斯」身上。我们可以观察和记忆一幅城市地图，获悉其中的街道名称，建筑样式，距离和空间关系，但是这远不如一个陌生的游客骑着自行车在城市内外巡游获得的感受更加真实和独特。
人类的后天经验具有个体性和唯一性的特征，它来自个体经验，出于感觉和实践。这似乎特别适用于商业性的经济活动，没有任何商业成功是可以复制的，时间、空间、市场、受众、储蓄状况等等，任何变化都会带来全新的市场。
来自前代的书本知识具有指导性，但真正的实践还需要时间、空间、人类对客观世界施加的动作，等等。
一位农业大学的教授，并不能很好地处理二十亩地的不同作物的种植工作，但农民却能轻易做到。对于一位生活在深山中的农民而言，世界上的绝大多数知识是暗知识与默知识。他不知道这些东西，但他的生活目的本身与此无关。
我想做一道土豆烧牛肉，我可以让AI提供一份菜谱，但是最后做出来的那一份，一定与所有人的不同。
07
那么怎么办呢？没办法。
让黑夜降临，让钟声吟诵。时光消逝了，我没有移动。
▲ 本文部分配图由ChatGPT自动生成