夜雨聆风【阅读笔记】万维钢·现代思维工具100讲
一、什么是默会知识（Tacit Knowledge）
默会知识，
简单说就是那些“只可意会，不可言传”的知识，
我们知道这个事儿怎么做但是我们说不明白，我们不能把它写成手册教给别人。
与之相对，
可以言传的则叫显性知识。
比如，学炒菜。
得到一本菜谱，上面写着：
中火热油，葱姜爆香，收汁至挂勺。
每个字我们都认识，可我们还是不知道怎么炒。
到底什么叫“中火”？
它不是煤气灶的旋钮，它跟锅、灶、油量、食材含水量都有关系。
“爆香”是葱姜和油在第 12 秒发生的化学反应吗？
那是一个必须根据声音、气味和颜色一起判断的时机。
还有“挂勺”是啥意思？
必须有个师傅在现场教我们。
他也说不清具体的判断标准，但是他会指给你：“现在可以翻。”“再等一秒。”“闻到了吗？就是这个点。”
菜谱上写的是显性知识，菜谱写不出来的功夫是默会知识。
前者是“知道是什么”（knowledge-that），后者是“知道怎么做”（knowledge-how）；
前者是标准操作流程（SOP），讲究定义、步骤和配方，后者讲究的则是手感、火候、分寸和节奏。
显性知识有时候会被人保密起来，但默会知识无需保密。
厨师就在我们旁边颠勺，医生就在我们面前下刀，老程序员就在我们屏幕共享时改 bug。
我们全程都看见了，可我们还是学不会。
如果我们的所有知识都是来自于文本的显性知识，让我们上手实操就是非常危险的。
实操必须有默会知识。
二、默会知识是训练出来的
1、训练走量
默会知识不是“理解”和“总结”出来的，
默会知识是训练出来的。
训练的过程就如同 AI 的监督学习、无监督学习和强化学习一样，特点是必须走“量”：
我们需要过手大量的实例，
我们的本事是用一个一个的实战材料“喂养”出来的。
我们的目标是获得某种“感”，
比如手感、眼感、语感或者体感。
它的特点是说不清、道不明，但它已经写在了我们神经网络的参数上。
我们能稳定地对一个事物进行模式识别和动作调节，
我们看一眼就知道这个东西是什么、对不对、好不好；
我们轻描淡写地做一个动作，它就是对的和好的。
2、具体的做法
训练默会知识跟刻意练习是一个道理：
我们需要调高自己对关键信号的敏感度，
我们需要让自己的神经网络是可以被修改的，
我们需要即时反馈。
具体的做法其实就是「预测 → 反馈 → 修正」：
给我们一幅画，心里猜测一下这幅画大概是什么风格，然后向我们揭示答案。
如果答案跟我们想的不一样，我们内心有所触动，默默地修正。
然后再给我们一幅画，再猜测，再修正……
这样经过一定的训练，我们就获得了判断哪种画是什么时期的绘画风格的能力。
我们可能还是说不清到底什么叫印象派、什么叫巴洛克，
但是这两种风格在我们眼中截然不同。
3、训练的关键
现实中的反馈往往不是那么及时，
给我们训练的喂料没有那么多，这就需要我们珍惜每一次训练机会。
我们必须提高敏感度。
这里最关键的就是我们要知道该看什么：
哪些是真信号，哪些只是噪声。
比如，
一个风险投资人，要看很多创业公司的路演。
可能一个不懂行的人会看技术有多先进、创始人有没有激情、PPT 设计是否专业、媒体热度之类，
可是在一个有经验的 VC 眼中，那些东西的价值都没有那么大，更有价值的是：
用户是否已经付费、所提供的产品在市场上是否有一定的独特性、进入该领域的成本是否正在下降、供给是否已经过度拥挤等等。
4、如何找到关键信号
怎么能在这个真实反馈速度很慢的领域，快速获得反馈呢？
最好的方式，
就是有个老师在旁边指导我们，利用成熟的、已经知道结果的案例。
比如，
在真实世界里练习做决策是非常困难的，但商学院会使用现成的案例教学。
一个好办法是把当时决策现场的条件提供给学生（可能会换掉公司的名字之类的细节），让学生进行充分讨论，做模拟决策，然后老师再揭示决策的结果。
在某些领域，有一个更低成本但也非常有效的办法是自我训练：
自己遮住答案，先猜后看。
就好像训练 AI 一样，先看一篇文章的开头，然后想一想，如果换作是你，接下来会怎么写，然后再去看那位高手是怎么写的。
【启发】
为什么AI不能拥有人所有的默会知识？
既然人训练默会知识的方法跟训练 AI 没啥区别，
我们又凭什么说 AI 不能拥有人所有的默会知识呢？
这可能是因为 AI 不拥有我们这么复杂的真实训练场景。
AI 是用语料训练出来的，
而我们是在生活中用一个一个的真实案例，在复杂的环境之中磨练出来的。
有时候我们要跟人发生过好几次冲突，才能学会怎样在不发生冲突的情况下把事儿办成；
有时候得连续创业失败好几次，才能让一个人学会怎么办公司；
有时候得让朝代更迭，才能让有识之士比较政治制度。
我们为训练付出的代价，是大模型公司支付不起的。
慢慢来，比较快。
