隱性知識：無法言說的人類智慧

摘要

「隱性知識」（Tacit Knowledge）由哲學家邁克爾・波蘭尼（Michael Polanyi）在 1958 年《個人知識》中提出：「我們所知道的，多於我們所能言說的。」經驗直覺、美學判斷、社會責任感、組織記憶——這些無法被編碼成規則的隱性智慧，是人類在 AI 時代最不可替代的 Harness。

核心觀點

波蘭尼的核心命題

波蘭尼的命題乍聽平凡，細想卻是對「知識可編碼性」假設的根本挑戰：

「我們所知道的，多於我們所能言說的」

這意味著人類的知識分為兩種：

• 顯性知識（Explicit Knowledge）：可以被語言化、文字化、規則化的知識。這類知識可以被書寫、傳遞、複製——也可以被 AI 學習
• 隱性知識（Tacit Knowledge）：無法完整言說的知識。騎腳踏車的平衡感、大廚判斷火候的直覺、資深醫生「看起來不對勁」的感知——你能做到，但很難解釋為什麼

關鍵洞見在於：所有的顯性知識，底層都依賴隱性知識。 規則的正確應用，本身需要判斷力——而判斷力就是隱性知識。

三個歷史錨點

隱性知識的概念並非孤立，它串聯起一條思想脈絡：

1946-1948：維納的控制論 諾伯特・維納在梅西會議上提出控制論，試圖用形式化語言描述生物與機器的「自我調節」。這是把隱性知識顯性化的早期嘗試——但維納自己也知道，反饋機制只能捕捉可測量的偏差，無法捕捉那些「說不清楚為什麼不對」的判斷。

1958：波蘭尼的反命題 波蘭尼的《個人知識》可以視為對「一切知識皆可形式化」信念的哲學反駁。他認為所有知識都帶有個人維度（personal coefficient），純粹客觀的知識是幻覺——任何知識的背後，都有做出判斷的知識人。

1968：北約軟體危機 IBM OS/360 投入數千人年卻問題頻發，直接觸發了「軟體工程化運動」。這場危機的本質，是試圖把資深工程師的隱性知識（架構直覺、風險嗅覺）轉移給更多人——但發現這個轉移比預期困難得多。

在 AI 時代的意義

AI 的崛起讓隱性知識的討論格外迫切。

AI 擅長的正是顯性知識的處理——大規模訓練語料、規則學習、模式識別。但隱性知識的幾個核心特徵讓 AI 難以直接複製：

• 在實踐中形成：隱性知識需要在特定情境中反覆行動、觀察反饋才能積累，無法通過「閱讀描述」獲得
• 具身性：很多隱性知識是具身的（embodied），依附在身體感知、情感反應、社會互動中
• 脈絡依賴：「味道不對」的直覺需要對特定業務脈絡的深刻理解，這個理解是漸進積累的，不是可以直接轉移的

具體例子（來自軟體開發語境）：

• 資深程序員看到一段代碼瞬間感受到「這裡有問題」——他說不清楚確切的規則，但就是知道
• 對業務場景的深刻理解：知道這個功能看起來無害，但在特定用戶情境下會造成麻煩
• 對團隊文化的感知：知道這個設計決策在技術上可行，但在組織政治上會引發阻力

這些正是 AI Harness 最難外化的部分，也是人類工程師在 AI 時代仍不可替代的核心。

來源引用

• 當控制論遇見內穩態與隱性知識 — 系統串連控制論（維納）、軟體危機（1968）、內穩態（伯納德/坎農）、隱性知識（波蘭尼）的思想脈絡
• AI 編碼代理的 Harness 工程：構建高效可控的智能開發系統 — 從 Harness 工程的角度指出人類開發者的隱性知識是最不可替代的 Harness 組件

矛盾與爭議

目前來源觀點一致。但有一個值得深思的張力：

「外化隱性知識」是否可能？ Harness 工程試圖把人類的判斷力外化為 Guides 和 Sensors，但波蘭尼的命題暗示這個外化永遠是不完整的——外化的規則永遠需要有人具備判斷力來正確應用它。這並非悲觀，而是指出了「人在迴路」的根本性地位：不是暫時的安全措施，而是認識論上的必然。

延伸連結

• → Harness 工程：AI 代理可控性架構 隱性知識是 Harness 工程的人類側核心——外化隱性知識是 Harness 設計最深層的挑戰
• → Human Judgment in AI Era 隱性知識是人類判斷力的深層基礎，兩者共同構成 AI 時代人類不可替代性的論證
• → Human-AI Collaboration 理解隱性知識的不可完全外化性，有助於設計更現實、更有效的人機協作方式