Loading... # 隐性知识：比刻意练习更重要的技能习得核心 # 一、文章概述 ## 1. 标题 隐性知识：为什么它比刻意练习更重要 ## 2. 发布时间 2020 年 6 月 9 日（最后更新：2021 年 7 月 20 日） ## 3. 来源 Commoncog 博客 # 二、核心内容 ## 1. 事件摘要 ### A. 主要内容 这篇文章深入探讨了"隐性知识"（Tacit Knowledge）的概念，解释了为什么它是技能习得领域中最有趣、最重要的话题。作者 Cedric Chin 通过大量实例论证了隐性知识的存在，以及它在知识工作中的关键作用。 ### B. 核心亮点 - 隐性知识无法仅通过文字描述来传递 - 刻意练习只适用于教学体系成熟的领域 - 知识工作者的进阶更依赖自然主义决策（NDM）研究 - 最有效的学习路径是模仿、观察和反馈，而非单纯阅读教程 ## 2. 关键信息 ### A. 文章类型 技能习得 / 认知科学 / 学习方法 ### B. 核心概念 - 隐性知识（Tacit Knowledge）：无法通过语言完整描述的知识 - 显性知识（Explicit Knowledge）：可以通过文字和公式表达的知识 - 自然主义决策（Naturalistic Decision Making，NDM）：研究专家如何在真实环境中做决策的心理学分支 - 刻意练习（Deliberate Practice）：仅在成熟教学体系中有效的训练方法 ### C. 涉及领域 编程、系统设计、商业判断、外科手术、飞行器维修等知识密集型工作 # 三、详细分析 ## 1. 什么是隐性知识 ### A. 定义 隐性知识是**无法仅通过文字捕捉的知识**。它存在于感知、判断、时机选择和肌肉记忆中。 ### B. 经典案例：骑自行车 骑自行车是说明隐性知识最直观的例子。无论你如何精妙地解释"如何保持平衡"，都无法仅靠语言让一个人学会骑车。真正让学习发生的，是身体在一次次滑行、摔倒、纠正中形成的"感觉"。 作者亲身总结的教学方法： ```mermaid graph TD A[选择小号自行车] --> B[腿部推动短距离滑行] B --> C[重复练习双脚着地] C --> D[加大力量延长距离] D --> E[学会保持平衡] E --> F[开始蹬踏板] F --> G[学会骑车] ```   **注意**：整个过程中几乎没有口头指令，重点是模仿和行动。 ### C. 隐性知识的本质 ```mermaid graph LR subgraph 显性知识 A1[规则] A2[公式] A3[步骤] end subgraph 隐性知识 B1[感知] B2[判断] B3[时机] B4[感觉] end A1 --> C[可传授] A2 --> C A3 --> C B1 --> D[需经验] B2 --> D B3 --> D B4 --> D ```   ## 2. 知识工作中的隐性知识 ### A. 软件架构设计案例 作者的技术负责人 Hieu 拥有一种神奇能力：在几分钟内就能画出最简单的程序结构图，而且这个设计通常就是最终实现方案。当作者试图请教授这种能力时，对话往往是这样的： - "听到有外部 API，就围绕它设计，因为风险大" - "但为什么不担心日历 API？" - "因为我之前用过，它容易实现" - "为什么要关注 Firebase？" - "因为想用它做数据库层，风险很高" - "那库存 API 呢？我们没用过" - "那个不太重要，客户可能会改，先做基本功能" ### B. 专家解释的特征 当专家试图解释他们的判断时，总会给出一系列充满例外的回答： ```mermaid graph TD A[专家判断] --> B{情况分析} B -->|条件 X| C[执行方案 A] B -->|条件 Y| D[执行方案 B] B -->|条件 Z| E[执行方案 C] C --> F{出现特殊情况?} D --> F E --> F F -->|是| G[调整方案] F -->|否| H[继续执行] G --> I[凭感觉判断] I --> J[最终决策] ```   **关键洞察**：当你听到专家用一堆限定条件解释问题时，那就是隐性知识在起作用。不是他们不愿教，而是语言根本承载不了那种压缩过的经验。 ### C. 外科手术案例 外科医生 Atul Gawande 在描述阑尾切除术时，列出了各种可能的异常情况： - 不寻常的解剖结构 - 严重肥胖 - 既往手术造成的内部疤痕 - 感染导致的炎症和粘连 - 各种工具和技术的选择 - 手术台角度调整 - 可能发现误诊 这说明了什么？真正的专业判断是平衡数十个考虑因素的瞬时解决方案选择，几乎不可能仅通过解释来学会。 ## 3. 隐性知识能否显性化？ ### A. 理论上的可能性 理论上，可以将专家决策提取为多分支流程，编码到"专家系统"中。 ### B. 实践中的困难 20 世纪 70 年代，美国军方资助研究试图用专家系统取代以色列空军的战斗机维修官。研究员 Gary Klein 发现： ```mermaid sequenceDiagram participant R as 研究员 participant E as 维修官 participant S as 专家系统 R->>E: 填写维修日志表单 E->>R: 完成 80% 的表单 R->>E: 20% 如何填写？ E->>E: 查看损伤尺寸和修复时间 E->>E: 推断实际受损情况 E->>E: 应用表单之外的知识 E->>R: 解释判断逻辑 R->>S: 尝试编码 S-->>R: 无法捕获 20% 的关键判断 ```   **结论**：80% 可以公式化，但关键的 20% 无法编码。正是这 20% 决定了系统在现实中能否生存。 ### C. 过度依赖流程的危害 Gary Klein 指出，过度依赖流程和规则会让操作者变得脆弱： - 剥夺了建立专业技能的机会 - 阻止了专家式的创造性问题解决 - 当现实偏离预期时，系统会整体崩溃 ## 4. 刻意练习的局限性 ### A. 刻意练习的严格定义 K. Anders Ericsson 在《Peak》中明确指出：刻意练习**仅适用于具有长期成熟教学体系的领域**，如音乐、数学、国际象棋。 ### B. 知识工作的困境 对于编程、设计、商业、投资、写作等领域： ```mermaid graph TD A[知识工作者] --> B{领域有成熟教学体系?} B -->|是| C[刻意练习有效] B -->|否| D[需要其他方法] D --> E[自然主义决策 NDM] E --> F[找到导师] F --> G[模仿与反馈] G --> H[在实践中学习] ```   ### C. NDM vs 刻意练习 | 维度 | 刻意练习 | 自然主义决策（NDM） | |------|----------|---------------------| | 适用领域 | 音乐、棋类、体育等成熟领域 | 知识工作、复杂决策 | | 学习方式 | 结构化训练、重复练习 | 观察、模仿、反馈 | | 知识类型 | 显性知识为主 | 隐性知识为主 | | 导师角色 | 教练、训练者 | 实践中的导师、学徒制 | | 目标 | 技能自动化 | 判断力培养 | ## 5. 如何学习隐性知识 ### A. 有效学习路径 ```mermaid graph LR A[找到真正厉害的人] --> B[在真实问题上提交方案] B --> C[获得毫不留情的反馈] C --> D[识别判断差异] D --> E[内化到自己的知识体系] E --> F[在实践中迭代] F --> C ```   ### B. 核心原则 1. 放下"教程崇拜" 2. 转向模仿、贴身观察、反复对齐高手判断 3. 真正有效的学习路径类似学徒制 4. Get your hands dirty（要亲自上手干） 5. 不断获得反馈 ### C. 历史案例 - Warren Buffett 在 Benjamin Graham 手下工作多年 - John Boyd 用一年时间编写了美国空军第一个战斗机战术手册，将看似无法组织成原则的空中格斗艺术系统化 # 四、影响分析 ## 1. 对个人学习的影响 ### A. 改变学习问题 最有价值的成长问题不是"我该再学什么"，而是"那个人已经有了，我要如何靠近这种判断？" ### B. 识别学习陷阱 如果你长期感觉自己"懂了很多，却始终做不好"，很可能是因为： - 过度依赖显性知识学习 - 缺乏隐性知识的获取途径 - 没有在实践中获得反馈 ## 2. 对组织发展的影响 ### A. 专家系统开发的启示 试图用规则系统替代专家判断往往失败，因为： - 关键的 20% 判断无法公式化 - 过度流程化削弱组织适应能力 - 真实世界总有意外情况 ### B. 知识管理策略 组织应该： - 重视导师制度和学徒制 - 创造实践和反馈的机会 - 平衡流程规范和专家判断 ## 3. 对技术趋势的影响 ### A. AI 与隐性知识 虽然现代 AI 可能在专家系统方面有所突破，但对于个人发展来说： - 不应等待技术突破 - 应该主动获取隐性知识 - 技术只能辅助，不能替代经验积累 ### B. 教育方法演进 - 传统教育过于侧重显性知识传授 - 需要更多实践导向的学习方式 - 在职培训和导师制度的重要性上升 # 五、各方观点 ## 1. 作者立场 Cedric Chin 明确表示： - 隐性知识确实存在 - 它比刻意练习更重要 - NDM 方法被严重忽视 - 2030 年人们会像谈论"一万小时定律"一样谈论隐性知识 ## 2. 学术界观点 ### A. 支持方 - Gary Klein：NDM 领域先驱 - Atul Gawande：外科医生，在实践中验证隐性知识 - 自然主义决策研究社区 ### B. 质疑方 - 部分教育研究者坚持"传输主义"（认为解释就能教会一切） - 刻意练习支持者试图将其扩展到所有领域 ## 3. 实践者反馈 - 许多工程师、设计师、商业人士共鸣强烈 - "终于解释了我一直感受到但说不清的东西" - 对传统学习方法产生怀疑 # 六、关键结论 ## 1. 三大核心洞察 ```mermaid mindmap root((隐性知识)) 定义 无法用文字完整描述 存在于感知和判断中 学习方法 模仿 观察高手 实践反馈 学徒制 适用领域 知识工作 复杂决策 创意领域 局限性 刻意练习仅限成熟领域 NDM 更适用于知识工作 ```   ### 结论 1 刻意练习并非通用解法，它只适用于教学体系成熟的领域（如音乐、棋类）。知识工作的进阶更依赖自然主义决策研究。 ### 结论 2 最有价值的成长问题不是"我该再学什么"，而是"那个人已经有了，我要如何靠近这种判断？" ### 结论 3 如果你长期感觉自己"懂了很多，却始终做不好"，这篇文章会给你一个不太舒服但极其有用的答案：你需要获取的是隐性知识，而非更多显性知识。 ## 2. 行动建议 ### A. 个人层面 1. 找到真正厉害的导师 2. 在真实项目中实践 3. 寻求坦率的反馈 4. 长期跟随和观察 5. 内化专家的判断模式 ### B. 组织层面 1. 建立导师制度 2. 创造实践机会 3. 鼓励知识分享 4. 平衡流程与判断 5. 重视经验传承 # 七、相关资源 ## 1. 推荐阅读 - 《Sources of Power》by Gary Klein - 《The Oxford Handbook of Expertise》 - Commoncog 博客的隐性知识系列文章 ## 2. 相关概念 - 自然主义决策（NDM） - 感知学习（Perceptual Learning） - 关键决策法（Critical Decision Method） ## 3. 延伸思考 - 如何在你的领域识别隐性知识？ - 谁是你所在领域的真正高手？ - 你如何创造获得反馈的机会？ *** ## 参考资料 1. [Why Tacit Knowledge is More Important Than Deliberate Practice - Commoncog](https://commoncog.com/tacit-knowledge-is-a-real-thing/) 2. [沉浸式翻译的 Twitter 分享](https://x.com/immersivetran/status/2013471621756133674) 最后修改：2026 年 01 月 20 日 © 允许规范转载 赞 如果觉得我的文章对你有用，请随意赞赏