数字化时代，机器如何利用默会知识助力人机融合？

人机融合智能的关键点在于如何最大化人和机的优势以打造最高效的智能系统。其中，人和机器的关系就像两片不规则的拼图，人机融合智能要做的事情，就是考虑如何组装这两片拼图以让其得到特定场景下的全局最优解。人机融合智能是人的智能和机器智能取长补短的结果，其最终实现的是一个“1+1>2”的智能系统。要实现这样一个智能系统，最关键的一点就是加深人机之间的“互相理解”。相对于机器而言，人具有数据信息量小但对信息理解层次更深的特性，换句话说，当人和机器同时看到一条数据时，人相对机器理解更为深入，其处理结果也是不一致的。例：“今天降温了”，机器得到的信息是“日期 = 今天，温度 = 较低（概率 =0.8），变化参数 = 下降”，而人得到的信息往往是“今天是不是该穿件外套出门”“他说这句话是不是希望我关心一下他”...。以上场景在生活中随处可见，其关键点在于机器无法在人机协同过程中深入理解信息背后的含义。如果机器对数据的理解可以更靠近人的理解的话，那么这些问题就可以迎刃而解了。

一个解决这个问题的可能途径是，构建弹性知识库，让机器能更好的理解语言的内涵与外延，在机器和人协同的过程中，找到纳什均衡点。那么，一个问题来了，机器如何真正理解并掌握语言的“弹性”呢？解决这个问题的一个可能途径是通过机器可感知传播的暗知识链接人类的默会知识。

“默会知识（Tacit Knowledge）”（又称“缄默的知识”，又称“内隐的知识”），主要是相对于显性知识而言的。它是一种只可意会不可言传的知识，是一种经常使用却又不能通过语言文字符号予以清晰表达或直接传递的知识。如我们在做某事的行动中所拥有的知识，这种知识即是所谓的“行动中的知识”（knowledgein action），或者“内在于行动中的知识”（action-inherent knowledge）。它是波兰尼在1958年首先在其名著《个体知识》中提出的。绝大部分知识无法用语言表达，如骑马、打铁、骑自行车、琴棋书画，察言观色、待人接物、判断机会和危险等。这些知识由于无法记录，所以无法传播和积累，更无法被集中。英籍犹太裔科学家、哲学家波兰尼(Michael Polyani,1891-1976)称这些知识为'默会知识'或者'默知识'。其范例体现了智力的各种机能，它本质上是一种理解力、领悟力、判断力。比如，眼光、鉴别力、趣味、技巧、创造力等。默会知识具有以下特点：（1）镶嵌于实践活动之中，非命题和语言所能尽，只能在行动中展现、被觉察、被意会。（2）不能以正规的形式加以传递，只能通过学徒制传递。（3）不易大规模积累、储藏和传播。（4）不能加以批判性反思（也有人不同意这一看法，认为默会知识虽然是无法言传的，但却是可以意会的，可意会意味着可提取、可反思、可交流）。（5）默会知识相对于明确知识具有逻辑上的在先性与根源性。

知识按照可否表征、可否感受可以分为：明知识（可感受可表达，如：牛顿定律、浮力定律；不可感受可表达，如集合论、量子力学）、默知识（可感受不可表达，如：骑车、绘画）、暗知识（不可感受不可表达，如：潜意识）。暗知识就是那些既无法被人类感受又不能表达出来的知识。也就是说人类本身无法理解和掌握这些知识。但这些知识却潜藏在人脑之中，被外化为经验习惯得到传承。与人无法理解暗知识相反的是，这些知识在机器中却很容易得到传播，其表现形式类似AlphaGo Zero里面的“神经网络”的全部参数。对于暗知识而言，人类的知识如果不可陈述则不可记录和传播。但机器发掘出来的知识即使无法陈述和理解也可以记录并能在机器间传播。这些暗知识的表现方式就是一堆看似随机的数字。

显性知识（可表征）和隐性知识（不可表征）相互转化，形成共同化、表出化、联结化、内在化。其中共同化强调的是体验，比如师傅手把手教徒弟，徒弟观察学习的体验过程。知识从师傅脑子里暗默知识，转义到徒弟脑子里的暗默知识；表出化强调的是通过某种信息媒介，把暗默知识转化为形式知识。比如通过图文的方式，但是，就不可避免的会出现表达误差。内在化强调的是把形式知识转化为自己的暗默知识，比如看书，看文章的过程；联结化强调的是把形式知识和形式知识联结起来，做一些的整合，产生更优的形式知识，也就是暗知识。

机器通过对数据的深度态势感知，可以得到联结化的形式知识，即暗知识。通过对暗知识的场景化，可以得到人机融合智能系统所需的默会知识。当人和机器对数据理解层次同步，甚至机器对数据理解深于人时，能实现更高效的协同，打造更智能的人机系统。

无人系统里仍然存在着一个无实体形态的人