为什么隐性知识比刻意练习更重要？

　　每当我谈到＂隐性知识＂（Tacit Knowledge），就会有人跳出来跟我说＂隐性知识＂并不存在。但实际上，它确实存在，只不过经常被忽视。而且，理解＂隐性知识＂是你在学习路上最应该做的事情之一。
　　01什么是＂隐性知识＂？
　　隐性知识是不能仅通过语言获取的知识。
　　比如说骑自行车。骑自行车是不可能通过文字描述来教会的。当然，你可以尝试解释骑自行车时自己在做什么，但是当你教孩子时，这不会有太大帮助。你可以告诉他们＂要保持平衡＂，但丝毫不影响他们掉进水坑里。
　　毫无疑问，会有人说，如果你能更好地进行解释，如果你能找到正确的词汇与学生进行交谈，就可以教会他们骑自行车。如果你也相信这个理论，那么，我强烈建议你自己去检验一下这个理论。去找几个还没有学会骑自行车的孩子（或者成年人），看看你是否能口头教会他们骑车，检验一下解释的力量。如果你成功了，对自己要诚实：这在多大程度上要归功于学车的人自己的发现？有多少要归功于你的口头指导？
　　这种现象在教育学中被称为＂传播主义＂（transmissionism），意思大概是这样的：有些人认为可以通过向别人解释事物，来教授技术。他们认为，如果你能找到正确的词汇组合和正确的类比，如果你真的能把事情分解成正确的层次和细节，那么学生们的脑子里就会神奇地灵光一闪，就能学会。有这些想法的人可能从来没有认真地尝试过这样做。如果你是这样的一个人，那么我希望你能在某个时候开始试一试当老师。
　　如何教授隐性知识？比如，怎么能教会别人骑自行车呢？
　　当我还是个孩子的时候，偶然间自己学会了骑自行车。然后我教我的姐妹们，然后是我的表弟，再然后是邻居家的孩子，他很感兴趣，但有点害怕。通过我的教授，他们每个人大约一个小时就能学会，具体步骤如下：
　　1. 选择一辆小点的自行车，最好矮一点，让学车的人脚能够到地面。这对学习者来说是很有用的，因为他们可以在任何时候放下自己的脚，支撑住自己。脚能随时着地的感觉也会让人不那么害怕。
　　2. 用脚向后蹬地，向前走一小段距离，让脚离开地面几英寸，然后双脚着地，停下。重复这个过程。
　　3. 加大脚的推力，让自己滑行的距离更长，比如滑行几十秒。我们的目标是让初学者学习在自行车上保持平衡的感觉。
　　4. 重复了足够多次之后，初学者可能觉得自己准备好了，身体比较平衡了，内心也感觉比较安全了，希望更进一步。这时候你就可以让他们尝试把脚放在车镫子上蹬圈儿了。
　　5. 如此就多了一个会骑自行车的孩子。
　　在这个过程中，语言指导是很少的。更重要的是模仿和行动，也就是说，找到会骑自行车的那种具体的感受。这个练习对我来说非常神奇，因为在一个小时的时间里，我可以看到一个孩子从＂有意识的无能＂到＂有意识的能力＂，最后到＂无意识的能力＂的变化。
　　换句话说，隐性知识的传授是通过模仿和学徒等方式来实现的。你需要通过模仿＂大师＂的做法来学习，直到内化了这些行为背后的原则。
　　看到这里你可能会想：＂这适用于骑自行车、网球和柔道这样的身体运动，但对更需要大脑的运动呢？＂对此，我想说的是：隐性知识遍布我们周围。研究人员萨摩·布尔扎（Samo Burja）用例子解释了隐性知识：他称其为＂创造伟大艺术或评估初创企业的能力（……），例如木工、金工、家政、烹饪、舞蹈、业余公开演讲、流水线监督和心脏手术。＂
　　如果你是一名知识工作者，那么隐性知识对你在专业领域的发展比你想象的要重要得多。
　　02知识工作中的＂隐性知识＂
　　我花了好几年的时间才意识到，自己教人们骑自行车的方法所蕴含的原则，也可能适用于其他领域。
　　在之前的工作中，我的技术主管希尤（Hieu）有一种不可思议的能力，他能够参加需求会议，并在几分钟内草拟出一个程序结构，而且该结构就是最简单的解决方案，活动部分最少。我注意到，希尤总是能为软件项目中不可避免的变化留有足够的回旋余地，而我就做不到这一点。最后，我问他是怎么做到的，在一起工作的这些年里，我多次试图从他那里得到答案，但每次都无法触及核心，不得要领。
　　我回想起自己在 Viki 的日子，那时我还是一名软件工程实习生，第一次写软件测试。一位高级软件工程师花了几秒钟看了看我写的大约 100 行代码，然后说：＂哦，这不好，以后会成为一个问题，还是这样来吧。＂
　　我问他是怎么在五秒钟内就看出问题的。关于软件工程原理，他给了我一个很长的解释。我挥手表示问的不是这个，又问了一次他是如何在五秒钟内做到的。他说：＂嗯，凭感觉吧。＂
　　我的意思并不是说希尤或那位高级软件工程师无法解释他们的判断，或者他们无法清楚地说明自己用来在十几个变量之间权衡所使用的原则：他们可以，哪怕解释得非常糟糕。我的意思是，他们的解释不会让我获得他们拥有的能力。
　　为什么会这样呢？因为当我要求这些人做出判断时，他们会试图用原则或启发式来解释。但我越努力，就会发现越多的例外、警告和潜在的问题。
　　这其实是普遍存在的情况。在任何足够复杂的领域拥有专业知识的人，总是会这样解释他们的专业知识：＂嗯，做 X，如果你看到 Y，就做 Z，原因是 A。如果你看到 B，那么做 P。但如果你看到 A 和 C，但没有 B，那么做 Q，原因是 D。如果有一些奇怪的情况，你就做 Z，但看到 C 的话，那么你应该切换到 Q。＂
　　如果你进一步追问，最终他们可能会说：＂啊，感觉这就是对的。如果你这样做的时间足够长，也会觉得这是对的。＂
　　最终我意识到，学习希尤技巧的方法就是模仿他：设计一些软件，然后征求他的反馈。我意识到，如果你听到有人用一长串的话来解释某件事情，那么很有可能你面对的是隐性知识。
　　这一现象在专业知识研究中已经得到了很好的证实，也被其他领域的从业者写过很多次。举个例子，以下是外科医生阿图·葛文德（Atul Gawande）对阑尾炎手术的描述： 假设你有一个阑尾炎的病人需要做手术。如今，外科医生通常会进行腹腔镜阑尾切除术。你可以通过肚脐附近一个四分之一英寸的切口，将一个小型摄像机（腹腔镜）送入腹部，通过腰线下方的切口插入一个长钳，然后通过左下腹的切口推入一个用于缝合和切割的装置。用钳子夹起手指大小的阑尾，把切掉的器官放进一个塑料袋里，然后把它拉出来。缝合，就完成了。不管怎样，这是你想要的结果。但事实往往并非如此。
　　甚至在开始之前，你就需要做出一些判断。比如身体结构特殊，严重的肥胖，或之前腹部手术留下了内部疤痕，都可能使腹腔镜难以安全放入。你必须决定使用哪种腹腔镜送入方式，有很多选择，或者是否放弃高科技方法，用传统的方式进行手术，切开一个大切口，以便直观地看到一切。如果你确定使用高科技的小切口方式，将腹腔镜和仪器放在身体里，那么你可能很难钳住阑尾。阑尾炎可能会让阑尾变得像一条肥厚、流血、发炎的蠕虫，附着在它周围的所有东西上，比如肠道、血管、卵巢、盆腔侧壁。要将它取出来，你必须从各种各样的工具和技术中选择。你可以用一个长棉头的工具把周围的附件推开。你可以使用电灼、钩子、剪刀，尖解剖器，钝尖解剖器，直角解剖器，或吸盘装置。你可以调整手术台，让病人的头朝下，脚朝上，让重力把脏器拉向正确的方向。或者你可以抓住阑尾上看得见的部分使劲拉。
　　在你看到了这个小器官后，还可能会发现阑尾炎是错误的诊断。病人的症状原因可能是阑尾肿瘤，克罗恩病，或卵巢疾病，而恰巧使附近的阑尾发炎了。然后你必须决定是否需要额外的设备或人员，是否要请另一位外科医生。
　　随着时间的推移，你能学会如何解决问题，会更有信心地找到解决方案。八年后，我做了两千多例手术。四分之三的手术涉及到我的专业，也就是内分泌手术，对内分泌器官如甲状腺、甲状旁腺和肾上腺的手术。其余的则涉及从简单的活组织检查，到结肠癌等各种疾病。对于自己专业内的病例，我已经知道了大部分可能出现的严重困难，并制定了解决方案。对于其他病例，我对自己处理各种情况的能力，以及在必要时给出即时解决方案的能力也有了信心。
　　葛文德在解释他的专业知识时，提出了各种各样的＂警示＂。这可能就是隐性知识在起作用。这种复杂的判断，这种即时的解决方案选择，恰好平衡了几十种考虑因素，这是值得学习的。仅仅通过解释，这几乎是不可能学会的。
　　显性知识与隐性知识。（显性知识：在文件、数据库等中发现的成文知识）；（隐性知识：直觉性的知识和技术，它：１．根植于环境、经验、实践和价值观中；２．难以表达：它存在于实践者的头脑中；３.长期竞争优势和创新的最佳来源；４．通过社会化、指导等方式进行传递，很难通过IT传播。
　　03＂隐性知识＂能否显性化？
　　从理论上讲，是否有可能将隐性知识外化为一系列指令？也许我们可以将专家决策提取到一个多分支过程中，并将其编码到一个＂专家系统＂（expert system）中。或者，我们可以把它变成一个过程列表，发给这个领域的每一个从业者，而不是让他们以传统的方式学习隐性知识。
　　对这个问题的共识答案似乎是：＂是的，原则上是可能的。但实际上，这是非常困难的。＂我对此的看法是，这太难了，我们甚至不应该费心去想这个问题。假设你读这篇文章是因为想在事业上有所成就，那就应该放弃把隐性知识转化为显性知识的想法，而要追求隐性知识本身。
　　我们为什么知道这一点？
　　在 20 世纪 70 年代，一些组织（其中包括美国军方）委托进行了一系列研究，探讨建立各种＂专家系统＂以增强或取代人类代理的可能性。这种＂用专家系统取代人类＂的想法在当时挺流行的，就像神经网络在如今很受欢迎一样，但＂专家系统＂的想法在之后的几十年里已经被抛在了一边。
　　许多研究人员在这股热潮之后发现，要将人类专家的所有可能的分支和细微差别编码到一个＂专家系统＂中是极其困难的。
　　其中一个项目是在赎罪日战争（Yom Kippur war，也叫斋月战争，指 1973 年 10 月 6 日埃及，叙利亚和巴勒斯坦游击队反击以色列的第四次中东战争）后不久委托进行的，该项目将以色列飞机维修日志录入美国数据库，其目标可能是用一个＂专家系统＂取代飞机维修人员。当时，一位名叫加里·克莱因（Gary Klein）的年轻研究人员的任务是采访飞机维修人员，以了解他们的核心专业知识。
　　他在最近的一期播客中描述了这个项目：
　　＂我可以填写 80% 的表格，但剩下的 20%……也许有些东西是空白的……或者可能有错误。然后我会采访他们并问＂你是怎么填写的？＂
　　然后他们（维修人员）说：＂好吧，观察这些损坏，看看损坏的程度。两天后，飞机又重新投入使用。对于这种损坏，我知道，如果这些线断了，则需要一两个星期（来修复），所以显然这些线没断。维修人员可以以非常快的方式让飞机重新投入使用。＂
　　换句话说，这些人可以超越日志。想象一下作为一个维修技术员，处理这类问题是什么样子。
　　（……）所以当我写报告时，是这样说的：这边是我能做的公式化的事情，这边是我收集的关键事件，现在你可以理解他们的专业之处了。因此，空军认为他们无法建立一个专家系统来取代这些人，而必须继续支付他们工资。＂
　　稍加观察，你就会发现这一结果在同一时期的许多组织、许多领域中重复出现。（维基百科称这个问题为＂知识获取问题＂，这是一个很好的说法，最终导致了专家系统的普及程度下降）。人们很快就发现，从专家的头脑中找出＂规则＂并不容易。
　　当然，也有其他反对意见。克莱因（Klein）现在被认为是自然主义决策（NDM，Naturalistic Decision Making）心理学分支的先驱之一，他认为对程序的过度依赖使人类操作者变得脆弱（《力量的来源》第 15 章）。换句话说，盲目地给人们一系列要执行的程序，会剥夺他们积累专业知识的能力，反过来又会阻止他们去采取那些在专业操作人员中常见的创造性问题解决方式。这也意味着，当某些事情发生严重错误时（在现实世界中总是会出现严重错误），他们将无法适应。
　　那么，＂专家系统＂就完全无望了吗，有迹象表明这不是一个完全无望的事业吗？有的，事实证明有：
　　1. 我有一些从事人工智能研究的朋友认为，＂专家系统＂有可能东山再起，也许是通过使用更现代的人工智能方法。
　　2. 加里·克莱因（Gary Klein）在开发提取隐性知识片段，并将其显性化的技术方面已经名声大噪。这种技术被称为＂关键决策方法＂（The Critical Decision Method），但由于它需要关键决策（CDM）本身的专业知识，因此很难实现。
　　3. 有时，一个特别有天赋的人有可能把整个领域的隐性知识整合成一种有效而明确的教学方法。可以说，约翰·博伊德（John Boyd）用美国空军的第一本战斗机战术手册做到了这一点。
　　所有这些观点都是有效的，值得思考，但我认为，它们是否被证明是普遍正确的，这无关紧要。你可能会说：＂其实，既然所有的隐性知识都可以显性化，那么就不存在所谓的隐性知识了＂。但这是一种迂腐的说法，对我来说毫无意义。等待＂专家系统＂的复兴是不合理的，期望关键决策应用于你的领域，或等待博伊德式的天才出现，也不是明智之举。我们应该把隐性知识当作一个事实来对待，思考如何直接获得隐性知识，而不是寄希望于某种突破将隐性知识显性化。
　　04学习＂隐性知识＂
　　这对我们来说意味着什么？这意味着，如果我们想在自己的领域追求专业知识，就应该开始研究已经发表的关于隐性知识的研究。
　　＂但是等等，＂你可能会说，＂那刻意练习（deliberate practice）呢？这难道不是获得专业知识最重要的部分吗？＂答案是否定的，它不是。
　　在对安德斯·埃里克森（K. Anders Ericsson）的《刻意练习：如何从新手到大师》（Peak: Secrets from the New Science of Expertise）一书的回顾中，以及在对＂刻意练习＂问题的总结中，我解释说＂刻意练习＂被定义为只有在具有悠久教育学历史的领域才有可能。也就是说，刻意练习只能存在于音乐、数学、国际象棋等领域。
　　埃里克森在《刻意练习》一书中提出了这个狭义的定义，然后又回避了这个问题，他认为虽然自己没有研究过这些领域之外的实践，但刻意练习的思想可以应用到教育学上不太成熟的领域。但是埃里克森很清楚 NDM（自然主义决策）方法的存在，他是《剑桥专业知识和专家绩效手册》（Cambridge Handbook for Expertise and Expert Performance）的编辑之一，与许多来自 NDM 社区的人一起参与了相关工作。
　　如果你是程序员，设计师，商人，投资者或作家，你可能会问：＂那么，我的领域呢？如果没有适合我的现成的教学方法怎么办？＂如果你已经开始问这个问题了，那你就已经开始踏上一条更有趣的道路了。这确实是一个正确的问题。
　　当然，答案是，如果你从事这些领域之一，那么 NDM 会有用得多。学习隐性知识的过程大致如下：找到一个领域内的＂大师＂，在他手下工作几年，然后通过模仿、反馈和渗透来学习诀窍，而不是通过刻意的练习。比如，想想沃伦·巴菲特（Warren Buffett）和他在本杰明·格雷厄姆（Benjamin Graham）手下度过的岁月。NDM 领域专注于使这种做法更有效的方法。我认为世界上很多人都过于关注刻意练习和认知偏差研究，而对隐性知识的获取却不够重视。
　　如果隐性知识存在（我相信它存在），那么关于技能获取最有用的工具将来自于研究它的领域。去年年底，NDM 社区聚集在一起，出版了《牛津专业手册》（The Oxford Handbook of Expertise）。这是我们今天所知的对该领域最全面的概述。
　　埃里克森关于＂刻意练习＂的研究工作花了大约 30 年的时间才渗透到主流意识中，部分原因是马尔科姆·格拉德威尔（Malcolm Gladwell）的《异类》（Outliers）取得了成功。如果我们以此作为比较， NDM 方法要多久才能进入主流？
　　也许在 2030 年，我们谈论隐性知识的方式会和今天人们谈论＂一万小时规则＂的方式一样。但如果你正在阅读这篇文章，则会有一个好的开始。密切关注 NDM 方法，并注意关注隐性知识。在本文作者看来，它们是当今专业知识中最有趣、却容易被忽视的话题。