上周入选了BlueDot的Biosecurity课程的最新一个cohort，有了接触到很多优质信息源的机会。今天开始准备week 2的讨论，读到了一篇和Biosecurity无关、但对于如何学习知识、如何与AI交互可能都有启发的一篇文章。

作者围绕一个看似老生常谈但其实非常关键的问题展开：专家身上那些“说不清、道不明”的本事（也就是“隐性知识”），到底能不能被高效传递？作者没有浪漫化隐性知识的不可言说，也不假装它可以被简单地总结，而是在尝试理性地探讨——我们能不能再往前推进一点？

文章一开始抛出了一个问题：学习一个领域，到底应该读论文，还是应该跟人聊？Ben Reinhardt 和 Alexey Guzey 都倾向于“九成靠聊，一成靠读”。作者自己认为：读论文有读论文不可替代的优势，输入快、可跳读、可并行、可深挖；但读论文的代价是慢——一个专家几秒钟能回答的问题，自己摸索可能要几个月。问题是，当你想了解的不是“雷帕霉素能不能延长小鼠寿命"这种具体事实，而是”这个领域的开放问题是什么"、"哪些项目能推动这个领域的发展”，那么单靠搜索和阅读就完全不够了，因为这些答案根本不在公开文献里。

作者随后给出了一个我觉得很有用的知识分类：横轴是公开 vs 私人，纵轴是显性 vs 隐性。公开显性知识就是百度一下就能查到的事实；私人显性知识是因为激励问题（NDA、商业机密、专业护城河）而没被公开，但本质上能说清楚的知识；公开隐性知识像骑自行车或判断牛排几成熟，讲不清楚但能通过观看示范学会；私人隐性知识则需要师徒制或社群浸润，又分为个体型（嵌在某个人身上）和社会型（嵌在组织/网络的边界上，比如台积电CEO也并不真正完整知道台积电怎么运作，正如没有人完整知道一支铅笔是如何造出来的）。

文章里提到了几个案例。一个是著名的Fogbank。一种几十年前用于核武器的材料，后来要重新制造时，即使有原始文档、原班人员还在，依然花了好几年和数百万美元才搞定，最后发现关键是某种"无人察觉的杂质"。另一个是Collins 2001年的研究：美国研究者复现苏联的蓝宝石样品测量，怎么都做不出来，最后才知道关键在于用人体油脂润滑细线——把丝线在耳后或鼻梁上蹭一下，而且不是所有人皮肤分泌的油脂都有效。这两个例子经常被用来证明“隐性知识是很难传递的”，但作者提醒：我们不应该把隐性知识当作令人敬畏的神秘，而应该把它视为有待攻克的工程问题。Collins在论文里其实提了一个非常具体的建议：科学论文应该增加一项"二阶技能度量"，明确写出某个实验最初花了多少次尝试、花了多长时间、现在仍有多难（这种信息现在几乎被默认排除在写作规范之外）。

最有意思的部分，是作者用自己参与设计的 Rejuvenome 抗衰老项目作为例子，展示了在前沿科研中知识是分层的：核心事实 → 事实间关系 → 知识如何产生 → 如何设计新实验。在这个链条里，越往下越难显性化。比如，某种"多样性远交"小鼠的雄性极具攻击性必须单笼饲养——这个事实本可以公开，但实际上是某位研究者顺口告诉他的；很多论文只用雌性小鼠却从不说明原因，背后藏着没写出来的判断。他得出一个很有冲击力的结论：你不知道该问什么问题，本身就是一种隐性知识。新手听到“我们要对血液做 X、Y、Z 分析”只会点头，专家会立刻反问"每种分析要多少血？小鼠总共才多少血？"——这种问题的显著性，不是想出来的，是经验长出来的。

那么，隐性知识到底能不能规模化？作者从语言学习和象棋这两个我们已经"解决了"的领域里找答案。语言学习证明：成人通过大量带上下文的输入，一年左右就能达到接近母语水平，全程可以不跟任何人说话。象棋更有意思——研究显示，提升棋艺最有效的方式不是下棋本身，而是做棋题和记忆大师对局；而且教练并不是必需的，最强的预测因子是"独自认真学习的时间"。记忆之所以重要，不是为了快速检索（互联网就能做到），而是强迫你理解、强迫你把信息"分块"成可调用的内部结构。

由此，作者提出了他的核心猜想：我们应该建立”带上下文的专家执行示例库“。不是讲解、不是教学视频，而是大量真实的专家在做事的录像，包括失败、修改、甚至是自言自语。软件工程里的live coding已经有这个雏形，但还远远没有被当作系统化学习工具来用。

文章最后一部分讨论”管理专家“也很有启发。Ben Reinhardt说，“只有做过这件事的人才应该管这件事”，因为做过才有直觉。但作者指出了反例：Elon Musk 创办 SpaceX 之前是做支付的，Leslie Groves 不是物理学家却领导了曼哈顿计划。LIGO项目经理 Gary Sanders 的自述很精彩——他六到九个月就能获得 Collins 所说的"交互式专长"，能跟专家讨论、能拍板决策，但无法亲自写出方程或设计系统。“我能听懂交响乐，但是写不出来”。所以真正的能力组合，可能是对领域有足够交互式理解 + 能识别人才 + 能在合适时候终结争论。而这套能力本身，又是另一种需要被传递的隐性知识。

总的来说：
1. 承认隐性知识真实存在这件事，远比想象中重要。STEM领域的训练让我们倾向于相信"凡是重要的都能被显式化、被表格化、被数据点化"，但其实那些以案例、轶事、商业图书形式存在的东西，恰恰是传递隐性知识所必需的形态。

2. 理解深度的排序是：打入圈子 > 读论文 > 跟专家聊。和专家单次聊天能快速给你答案，但理解会很浅；读论文能给你深得多的理解；而真正最后那10-20%的领域知识，只能靠混进圈子里——在会议、研讨会、咖啡馆里偶然听到的那句话里。这也回答了为什么 colocation、conference、私下吃饭都不是浪费时间。

3. 学习策略应该服从于目标。如果你想做投资判断或寻找开放问题，没必要花三年读完整个领域的论文；如果你想识别人才并管理项目，"交互式专长"就够了；只有当你要亲手做事，才必须深入到能动手的程度。把"我要把这个领域学透"当成默认目标，反而是低效的。