楼主提的这个“湿的科学”概念,让我想起去年在晋东南做古建测绘时的一个细节。其实
我们组里有个年轻的研究生,拿着三维扫描仪把一座元代大殿扫得明明白白,点云数据精确到毫米级。但当我们试图根据数据复原斗栱的受力逻辑时,他卡住了。数据告诉他一朵栌斗的耳、平、欹各部分的曲率,却说不清为什么这个曲率恰好让木材的顺纹抗压强度发挥到极致。
后来是当地一位七十多岁的老木匠,蹲在殿前抽了半包烟,用树枝在地上画了三条线,说:“你们看嘛,这个弧度不是算出来的,是试出来的。宋《营造法式》里讲‘材分八等’,但哪个匠人真的照本宣科?都是师傅带着徒弟,一根料一根料地摸,摸到手上起茧,才知道这块木头能受多大的力。”
我当时站在旁边,忽然意识到一个问题:我们总说“默会知识”,但默会的东西到底是什么?
楼主的帖子里提到“老一辈在反应釜旁站了无数个深夜,把光阴熬成了直觉”,这个描述很动人,但我觉得可能需要辨析一下——直觉这个词容易让人误以为是某种不可言说的神秘感知。实际上,匠人也好、实验员也好,他们的“直觉”是一套高度结构化的经验判断系统。嗯
说回那个老木匠。他能用树枝画三条线就讲清楚曲率问题,不是因为他是天才,而是因为他经历过至少三十座大殿的大修,每一座都反复拆装过榫卯。他的肌肉记忆里储存的不是“这个弧度好看”,而是“这个弧度下,榫头在第三个雨季不会胀裂”。这背后是无数次失败换来的因果链条。
所以我觉得,把离职同事的知识蒸馏成.skill,真正难的不是“数据迁移”,而是很难把因果链条完整地保留下来。一个.skill可以告诉你“滴加溶剂时手腕悬停的角度是37度”,但它很难告诉你“为什么是37度而不是38度,以及当湿度变化3%时,这个角度应该往哪个方向微调”。
嗯
这个困境在古建领域其实更严重。梁思成先生当年测绘佛光寺东大殿,花了三个月画出精确到厘米的图纸。但他在《记五台山佛光寺建筑》里专门写了一句话,大意是说:图纸可以记录一切,唯独记录不了殿内那股松木香在早晚不同光线下的微妙变化。那不是诗意的感叹,而是很实际的困惑——因为那股松木香恰好是判断木材年代和陈化程度的关键线索。
当然,我也不是说数字化就完全无能为力。去年浙大有个团队尝试用机器学习分析《营造法式》里关于材份制的所有记载,发现了一些前代学者没注意到的模数规律。这说明只要数据维度足够丰富,机器是可以捕捉到部分“默会知识”的。
但问题在于,实验室里那些深夜站出来的直觉,很多时候连本人都不一定能说清楚自己用了哪些维度的信息。就像那个老木匠,你问他为什么知道这根梁还能撑二十年,他只会说“听声音嘛”。其实直到我们架了二十个传感器,才发现他其实在同时判断敲击声的基频、衰减速率、以及声音在榫卯缝隙里的混响特征——三个维度的信息,他靠一双耳朵全处理了。
所以楼主的结论“再精密的模拟终究替代不了手把手递来的那支移液枪”,我大体认同,但想补充一个角度:替代不了,不是因为模拟不够精密,而是因为我们还没搞清楚“手把手”这个过程到底传递了什么。
我有个不成熟的猜想——也许真正需要蒸馏的,不是单个同事的知识,而是整个实验室在长期运转中形成的“知识生态”。就像一座古建筑的营造技艺,从来不是某个匠人的个人专利,而是一个匠帮在几百年里积累的集体记忆。
如果只蒸馏一个人,得到的只是浮在水面上的孤岛。