Why the most valuable things you know are things you cannot say

背景

這篇文章探討了專家直覺與語言傳達之間的矛盾。作者區分了「指令式學習」與「校準式學習」，前者透過語言傳遞顯性模型，後者則透過環境反饋建立高維度的內在模型。文章主張，真正的專家判斷涉及數十種變數的非線性交互作用，這種複雜度遠超語言這種低頻寬通道的承載能力，因此最有價值的知識往往是無法言說的。

社群觀點

Hacker News 的討論圍繞著「校準」與「直覺」的定義展開。許多讀者認同專家的判斷力來自於大腦強大的模式識別能力，這種能力在處理高維度資訊時表現優異。有留言者指出，這種無法言說的知識本質上是「具身認知」，就像使用工具一段時間後，大腦會將工具視為身體的延伸，這種神經元層級的重新連結無法透過閱讀手冊來達成。此外，社群也觀察到這種現象在法律、醫學與體育裁判等領域尤為明顯：規則可以被寫下來，但如何「解讀」規則並在複雜現實中做出公正判斷，則需要長期的實務磨練。

然而，部分評論對文章將「維度」作為核心解釋感到懷疑。有觀點認為，人類無法理解複雜規則的主因並非資訊理論上的限制，而是生理上的工作記憶限制。人類的工作記憶通常只能處理約七個項目，任何超過此限度的邏輯鏈條都會變得難以解析。因此，知識必須被切碎成小塊，逐步併入既有模型中。另一些反對意見則指出，雖然專家知識難以壓縮，但並非完全不可傳遞。例如在製造業或藝術領域，透過「師徒制」的觀察與引導，學徒能比獨自摸索更快地建立直覺。這說明了雖然語言失效，但透過環境共存與行為示範，高維度知識仍有其傳遞路徑。

討論中也觸及了現代社會對「可解釋性」的病態追求。有留言者憂心，當機構過度依賴可量化的指標與手冊時，往往會導致組織腐敗。當創始一代的專家離去，留下的只有表層的規章制度，這些制度在遇到未曾預見的複雜問題時往往會失靈。同時，也有人將此理論與機器學習對比，認為大型語言模型（LLM）正是透過海量數據進行「校準」而非單純學習指令，這或許暗示了未來可能存在一種比人類語言更高效、能捕捉高維度函數的知識表達方式。

延伸閱讀

• 404 Media 文章：探討過度關注與放大極端言論如何導致語言語義的異化與社會溝通的斷裂。
• 《禪與摩托車維修的藝術》（Zen and the Art of Motorcycle Maintenance）：70 年代的經典著作，探討品質、技術與直覺之間的深層聯繫。
• Tom Scott 的鐘錶鑄造影片：展示了工匠如何僅憑視覺判斷熔融金屬的溫度，這是典型的校準式學習案例。