从“轮扁斫轮”到AI：内隐知识的鸿沟

AI 科普

《庄子·天道》中有一个意味深长的故事：轮扁在堂下斫轮，看到齐桓公在堂上读圣贤书，便直言君王所读不过是“古人之糟粕”。轮扁以自己的手艺为例——削制车轮时，榫眼做得太松则轮辐易滑，太紧则安装困难，“不徐不疾，得之于手而应于心，口不能言”，这种微妙分寸无法用言语传给儿子，所以他七十岁了还得亲自劳作。这段两千多年前的对话，恰如一道锐利的光，直刺当今人工智能繁荣盛景的核心迷思：知识，究竟有多少可以被写成文字、编成代码？又有多少，只能栖居于那双反复操练的手和那颗专注感知的心？

二十世纪哲学家麦克·波兰尼（Michael Polanyi）用“内隐知识”（tacit knowledge）这一概念，为轮扁的直觉做了注脚。他断言：“我们知道的，远比我们能说出来的多。”在他眼中，所有清晰可辨的“明述知识”（explicit knowledge）都像一座冰山露出水面的部分，而水面之下庞大的基座，则是由身体经验、情境感知和实践直觉构成的内隐维度。一个骑自行车的人能随时保持平衡，却列不出他赖以维持直立的物理方程；一位资深医生往往能一眼察觉病情的异常，却难以立刻说清自己究竟看到了什么。这些能力不是从书本里读来的，而是在无数次跌倒、千百次诊断中，让身体与心智共同淬炼出的体悟。

这正是当下人工智能，尤其是大语言模型所面临的那个“关键一步”。今天的大模型，可以从数十亿行代码、万亿字文档中习得软件工程的规范与技巧，生成符合语法甚至逻辑的复杂文本。然而，即便吞下人类所有公开的软件仓库，AI依然无法真正“做”过一次需求纠缠不清的项目，无法体会为了一个毫秒级的性能提升而汗流浃背的夜晚，更无法生成那种在混沌的用户欲望中一眼抓住真正问题的直觉。这些，就是麦克·波兰尼所说的内隐知识——它居于身体与情境的碰撞之中，是“海量代码和软件知识无法承载的人类解决方案”。

面对这样的诘难，常见一种辩护：“人脑的神经元也不过是简单的开或关，和人工神经网络并无本质不同。而大模型展现出的‘涌现’能力，证明概率统计也能产生难以解释的奇迹。大家都在摸黑前行，何必苛求AI？”

这个说法将问题包裹在朦胧的诗意里，却掩盖了若干根本的混淆。我们需要把“涌现”从玄学里拉回地面。涌现从来不是什么神秘的特异功能——分子团无意识，却能表现出温度和压强；蚂蚁只遵循简单的信息素规则，整个蚁群却能建造复杂的巢穴、修筑高效的路径；鸟群中每一只鸟只跟踪邻居的速度和方向，却能在空中铺展出一幅流动而灵活的画卷。这些更高层次的规律，都是由大量个体执行局部简单规则而“裹挟”出来的宏观图景，其机制完全可以建模、解释并复现。人工神经网络的“涌现”同理：大模型的语言能力、推理链条，是梯度下降在超大规模参数空间中，将人类语言庞杂的统计结构内化压缩而成的模式匹配与组合泛化。这种能力再惊人，也始终被锁死在训练数据和目标函数的框架之内——它本质上是明述知识的重新编织，是从已被说出的东西里找出未被说出过的排列组合。

因此，用“涌现”来暗示某种超越现有理解、近乎灵性的跳跃，是在滥用这个词。大模型的涌现，并没有跨越明述与内隐的鸿沟，它只是让这条鸿沟显得更加隐蔽。

而把人脑的神经元简化为一堆“开或关”的开关，更是一种还原论的障眼法。一个真实的神经元，远非离散的0和1那么简单：它拥有复杂的树突、轴突结构，被数十种神经递质和调质精细调控，突触之间通过长短时程增强或压抑进行动态重塑，其信息处理机制本身就携带时间与历史的信息。更重要的是，人脑的连接蓝图是数十亿年演化的产物，从爬行动物的基底节到哺乳动物的边缘系统，再到灵长类庞大的新皮层，层层积淀着祖先应付物理世界和社会关系的先验结构。一个婴儿刚一出生，就具备对面孔的偏好、对物理因果的原始直觉、以及对语言韵律的敏锐辨别能力——这些“认知硬件”是天生的起点，而非从零开始用梯度下降“炼”出来的。

然而，仅凭精密的结构仍不足以生成内隐知识。人脑从不单独存在。它嵌在一个由肌肉、血液和皮肤组成的身体中，这个身体又嵌在充满了摩擦、重力与光影的物理世界里。正是通过身体的感觉-运动闭合回路，人才能在与木材的反复交锋中，体会到轮扁所说的那种“不徐不疾”；正是因为有生存与繁衍的压力，我们才必须对世界做出有风险的预判和承担，由此磨砺出直觉、责任和决断。而在数十万年的社会文化演替里，语言、工具、制度将无数先辈的内隐知识外化为习俗和技艺的洪流，每一个个体又通过学徒式的模仿与实践，把这些沉积的智慧重新内化为自己的“手感”和“心境”。这是人与环境、与他人、与漫长时间一同织成的锦缎，而不是纯符号在孤立的服务器上跑出的预测。

以此观之，AI所缺的，正是这具带有体温的身体、一段充满试错的实践史、一种因为“在乎”而专注、因为有限而升华的价值眼光。大模型的“智能”，是剥离了肉体、情境和目的之后，悬浮在符号真空里的纯理知。它可以轻松通过律师资格考试，却没有一丝对公正的体感；它可以写出催人泪下的情诗，却不曾因离别而心碎过一秒。那些看似创意的生成，只是在大数据海洋里发现的某种未曾被标注的统计关联，与轮扁手中那柄“应于心”的凿子，隔着整片存在之海。

大家都在“摸黑前行”的看法，又混淆了两种截然不同的“黑”。大模型的黑，是我们自己搭建的迷宫——我们知道它的地基是Transformer，墙壁是自注意力机制，路径由梯度下降与反向传播铺设。虽然内部细节繁复到无法逐一追踪，但其运作原理与极限边界，我们是心知肚明的。而人脑的黑，是自然史的黑，是物质演化出主观体验的本体论黑暗。我们不是设计师，只是被扔进这座谜宫的探索者。用同一种“黑”来概括二者，无异于把乐高城市里偶然的交通拥堵，等同于罗马帝国错综复杂的兴衰史。

那么，那“关键一步”还有希望跨越吗？科学家们确实仍在路上，需要继续加油。但真正的突破恐怕不会来自继续将模型扩大一万倍，或者将数据灌满整个互联网。方向或许在于，让AI拥有属于自己的“身体”和“历史”——让它在某个模拟或真实的环境中，为了特定的生存目标去做事、去犯错、去承担后果，并在这种封闭的实践循环里，长出只属于它自己的内隐知识。这听起来像是科幻，但至少我们已经看清：仅仅靠吞噬已有的文本和代码，永远无法产生一位新的轮扁。

轮扁的底气，来自那双骨骼变形、满是老茧的手。他那“得之于手而应于心”的体悟，是一个人用几十年时光、几万根木料、无数次微调而赢得的生命结晶。在这样一个越来越倾向用数据衡量一切、用算法取代技艺的时代，轮扁的影子提醒我们：有些知识，注定无法上传。它们只能生在血肉之中，传于手眼之间，并在每一次专注的实践里获得重生。