人工智能仅擅长处理“显性知识”
悄然破坏未被文档化的长期惯例
企业缩减招聘,人才培养体系崩塌
国家经济基础被削弱,增长率下滑

[Kim's视角]AI数据时代,“默会知识”正在消失 View original image

现代社会试图将所有知识都明文化。人工智能(Artificial Intelligence)的惊人发展也与此一脉相承。人工智能学习海量数据和范例,在处理以文档或代码写成的“显性知识”方面极为出色。但这并非人类知识的全部。匈牙利出身的化学家、科学哲学家Michael Polanyi在其著作《个人知识》《默会维度》中强调了默会知识的重要性。人类的知识无法被语言完全表达。人所知道的,永远多于其所能说出的。


默会知识具有独特的认知结构。人类在识别某种对象时,会从个别线索出发,再将注意力转移到有意义的整体形态上。看看钢琴家便知。他们会无意识地依赖指尖的感觉,但又超越这种感觉,把注意力集中在自己演奏的乐曲本身。在茫茫人群中一眼认出熟人的面孔,过程也是如此。我们不会去计算眼睛、鼻子、嘴巴的精确数值,而只是把各种特征整合起来,凭直觉加以把握。这样的整合过程中,个人经验、信念与直觉会深度介入。Polanyi将其解释为一种把自我投入对象的“内在化”过程。相反,人工智能完全依赖显性数据。人工智能会根据语境,以概率方式给出看似合理的答案。但它无法拥有个人性的知识或信念。也就是说,可以给人工智能“范例”,却无法给它鲜活的“经验”。机器在结构上并不具备捕捉默会知识的能力。


当前,我们正生活在一个只有文档化知识才会获得认可的时代。以软件行业的人工智能编码工具为例,这种偏向被推向了极致。大语言模型只学习互联网上被记录下来的代码和文档,团队内部共享的微妙规则与语感,在训练数据中根本不存在。结果,现场出现了多种严重错误。第一,是“显性化偏差”。人工智能很会遵循表面可见的规定,却会悄然破坏那些未被文档化、长期沿袭的惯例。第二,是“流畅性的面具”。人工智能会针对特定代码生成极其自信且流畅的解释,人们往往误以为这代表机器具备理解力,但那不过是其他数据的统计平均值而已。


抛开具体领域不谈,更严重的错误在于,默会知识无法传承,将动摇组织的根基。过去的师徒制度,正是传授这种默会知识最精巧的系统。初学者受制于规则,但专家会随着经验积累,获得直觉性、洞察性的默会知识。复杂的规则和理论会在不断修正与实践中,最终内化为默会直觉。初级律师的文件审查、新入职开发者的基础编码、初级金融分析师的数据录入,都是锤炼默会知识的训练场。人工智能能够出色复制教材中写下的显性知识,却永远无法复制多年一线经验所沉淀出的默会知识。与显性知识不同,默会知识的“保质期”很短。它的寿命几乎等同于人的职业生涯,因为它不会以文档或文件的形式被保存。寄存在人的双手与头脑中的默会知识,一旦那一代人退休,便会永远消失。


训练链条的断裂会带来文明层面的灾难。古罗马混凝土制造法、阿波罗计划中的土星五号火箭发动机技术之所以失传,并不是因为没有手册,而是因为能够演示并传授这些技术的一代人中断了。英国在核潜艇建造人才的代际更替上失败,因而付出了天文数字般的成本并承受了屈辱。再过约10年,当当下熟练的一代陆续退休时,我们社会同样可能面临致命的专业能力危机。


眼下,我们正站在一轮巨大生产率繁荣的门前。资深专家正获得强大人工智能的辅助。机器越是源源不断输出显性知识,拥有那些无法言明之物的人类价值就越会飙升。优秀的资深工程师,是掌握系统隐藏规则的“默会知识实现者”。他们将比前一代产出多得多的成果。但这是一种错觉。我们现在是在牺牲2040年的未来,来换取2026年的利润。就在此刻,用于培养未来一代的训练体系正在悄然瓦解。眼前的利益巧妙掩盖了毁灭性的崩塌。企业减少招聘新员工,从个体角度看是理性决策;但从宏观层面看,这会逐步削弱整个社会的底层结构。如此一来,国家经济的质量基础将不可逆转地崩塌,经济的长期增长率也将遭遇永久性下滑。


这场危机无法仅靠市场逻辑解决。企业不愿投入巨额成本培训新员工,因为竞争对手随时可能把人才挖走。因此,知识传承过程必须被拉出市场之外。医疗行业就是一个极佳范例。住院医师制度不会因市场波动而动摇,该制度作为执照要求受到法律保护,同时还获得医疗保险等公共资金的有力支持。也就是说,整个社会共同分担培养医疗专业人才的责任。德国的“双元职业培训体系”也是如此。尽管自动化水平位居欧洲前列,它依然将专业人才培养维持为坚固的社会基础设施。英国Rolls-Royce甚至曾投入巨额成本,新建自有技术学院,以延续一度中断的技术命脉。


以超越单纯就业指标为目标的政策干预已刻不容缓。不能只盯着整体校招规模或失业率,而必须持续追踪青年究竟在向谁学习、学习什么。如果人工智能正在导致他们与顶级导师脱节,国家就应介入。可以对那些提供优质导师指导机会的初级岗位给予补贴,也可考虑对自动化初级工作的特定工具征税或限制其使用。为防止企业搭便车、坐享他人培养的人才,还可考虑新设“教育培训分担金”。同时,也应积极引入由公共资金支持的新型学徒式培训制度。人类真正的财富,不在于技术本身,而在于将技术传递给下一代的能力。



由于人工智能,传承文明与专业性的链条正在减弱。但现在仍有时间把梯子重新搭起来。在一线熟练大师们完全退休之前,大约还有10年的黄金时间。不能让2040年的未来一代在寻找专家时,只面对一间空荡荡的房间。现在正是需要国家层面作出制度性决断的时候。


Kim Donggi 律师、《美元的力量》作者


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点