在人工智能时代，”暗知识”这一概念的提出，标志着一种全新的知识类型的诞生。这种知识是人工智能所掌握和使用，但对于人类来说却难以感知和表达。对“暗知识”发现过程的追溯，特别是它的主要特征，以及其对传统知识观的挑战，显得尤为重要。同时，”致用以学”的实现不仅是可能的，更是必要的。将人工智能中的暗知识与人类学习行为相结合，有望超越传统的”先学后习”和”学习并行”模式，创造出一种新的”先习后学”模式，使人机融合下的”致用以学”成为现实。未来的教育改革需要更加注重学习者的主体性，立足于机器所掌握的暗知识，以知识应用为导向，培养学习者在实际问题中判断、选择、转化和灵活运用各种知识的能力，这将是教育工作者努力的方向。
人工智能在学习方面的超能力，意味着它已经不再满足于接近人类智慧的阶段。随着知识获取量的迅速增长，人类数千年积累的知识在它面前显得微不足道。人工智能能够在短时间内获取几乎所有人类的知识，并凭借其强大的计算能力，发现人类难以触及的“暗知识”。暗知识的概念超越了以往对明知识和默知识的划分，开创了一种新的知识类型。这项研究的重要性在于，我们长期以来主要从人类的视角来思考人工智能，关注其与人类智能的相似之处，而较少考虑当人工智能完全超越人类经验，进入超人工智能阶段时，机器所掌握的知识将超出人类的认知范围。面对这种局面，传统的”先学后习”和”学习并行”模式可能需要重新审视，新的”先习后学”模式将应运而生。人工智能不仅能通过模仿人脑学习明知识和默知识，更能学习那些人类无法感知和表达的暗知识，从而在学习者进行学习之前，先体验不同方法和路径的有效性，根据学习者的偏好和习惯，优先展示最适合的学习内容，实现人机融合下的”致用以学”。
一、”致用以学”的可能性：人工智能时代的暗知识及其特征
暗知识是王维嘉博士在其著作《暗知识：机器认知对商业的颠覆》中首次提出的概念，定义为人类无法感知、表达或描述的知识。人工智能技术利用其强大的计算能力，通过模拟测算和试错等方式，发现并掌握那些人类未曾接触的知识。暗知识的发现始于2017年的围棋人机大战，当时谷歌公司的围棋程序阿法狗以3:0战胜了世界排名第一的棋手柯洁。随后，阿法狗零版本采用了”强化学习”技术，自我对弈并不断进化，击败了之前的所有版本。暗知识的发现依赖于计算能力的飞速增长、数据的积累和神经网络算法的突破，这些因素共同促成了人工智能技术的迅猛发展。如今，在自然语言处理、学习计算和图像识别等多个领域，机器的能力已经不仅接近人类，甚至超越了人类。随着人机学习的分离，机器能够不再依赖于人类的经验，凭借其超人工智能能力获取大量暗知识，这些知识虽然尚未被人类所获得，但它们能够有效解决人类面临的问题，证明其存在的价值，从而使得“致用以学”成为可能。
二、”致用以学”的必要性：暗知识对传统知识观的挑战
知识的价值在于它能够引导判断和行动。传统知识观认为，知识是客观的、普遍的和中立的，课程中的知识被视为一种客观的”事实”领域，外在于个体的明知识。而暗知识因其非感知性、非表达性和非情感性，逐渐改变了我们对知识的传统定义。有人认为，知识是认知主体对客体的感知和经验的总和，缺少认知主体则无知识可言；然而，现阶段的智能机器人并没有自我意识，因此无法真正拥有知识。这一观点很可能是对“知识”定义的过于狭隘的理解。随着时代的发展，我们对知识的理解也在不断演变。
在一个仅认可明知识的时代，知识被视为明确且可获取的资源。传统的知识观认为，人类知识在社会中以先验形式存在，为个人经验提供意义。在这种理解下，知识学习主要依赖个人努力，尽量真实、准确地储存信息，以便于未来提取。因此，知识学习常被视为知识挖掘和转移的过程。尽管对知识的理解有理性主义和经验主义的分歧，但人们对知识的关注始终集中在个体层面。无论是内省还是外求，知识被视为公共信息，供每个人掌握，以便将来使用，最终形成“先学后习”和“学以致用”的模式。
默知识作为知识的重要组成部分，意味着学习方式的个性化特征不再具有普适性。这种认知导致两个结果：首先，每个人获取知识的方式各不相同。斯洛曼等人提出，人类对世界的了解非常有限，知识存在于群体之中，每个人都依赖他人的专业知识与技能，从而获取经验和智慧，因而知识的获取必然存在差异。其次，知识的表达方式也因个体差异而异。不同的价值观、感性认知和文化习惯，导致知识无法实现完整不变的传递。因此，知识学习不再是简单的”灌输”，而是以学习者为中心的知识构建。这意味着，不同的使用方式将形成不同的默知识，通过实践中的“用”，使其成为知识而被“学”，形成“学习并行”和“用学并举”的模式。
在此基础上，暗知识又进一步拓展了这一概念。如果机器掌握的知识同样属于知识，并且能够解决实际问题，那么机器与人类将处于同一水平。余晨将暗知识的概念扩展到非机器领域，如自由市场中的”看不见的手”，它是去中心化的，没有任何单一主体能够完全掌握市场信息，对人类而言，这也是一种“暗知识”。凯利在《失控》中提到的蚂蚁和蜜蜂所掌握的信息同样可以视为暗知识。这意味着，获取暗知识的主体不仅限于机器，还可以是所有与环境互动的生物或非生物。正如余晨所言，复杂生命系统中涌现出的暗知识可能是常态，而人类的未来在于如何与暗知识共存。人工智能凭借超强的计算能力，能够进行大量的行为组合测试，从中找寻最优解，这使得具备超人工智能的机器将掌握大量暗知识，并能够在实践中先“用”，验证有效性，再为人类提供学习路径，从而使“致用以学”成为更高效的学习模式。
三、”致用以学”的实现：人工智能时代暗知识对传统学习模式的超越
在传统的行为主义学习课堂中，学习的目标是掌握明知识和暗知识，技术作为一种学习强化手段被使用，学习过程被视为“知识迁移”的过程。在这种模式下，学习者常常机械地死记硬背知识点，信息技术通过固化的情境模拟来帮助学习者消化吸收。而在人工智能时代，暗知识的出现使得机器能够创造多种实践教学场景供学习者选择。人工智能可以收集学习者的个人偏好、学习习惯和知识基础等数据，根据学习目标和内容，测试不同场景下的学习效果，从中选择最合适的虚拟场景，并结合学习者的目标进行智能建模，推送有效的学习计划。在这一过程中，学习场景将变得多样，所有可能的影响因素都会被考虑，学习情境的作用也将更加突出。
在传统学习模式中，学习者要么是“先学后习”明知识以实现“学以致用”，要么是在“用学并举”中掌握默知识，通过实践模仿不断加深对知识的理解，角色设定往往固定不变。然而，人工智能时代的暗知识发现，使得传统学习模式中的时序安排可能面临改变。
[[[IMG_1]]]
[[[IMG_2]]]
[[[IMG_3]]]
[[[IMG_4]]]
[[[IMG_5]]]
[[[IMG_6]]]
[[[IMG_7]]]
[[[IMG_8]]]
[[[IMG_9]]]
[[[IMG_10]]]
