暑假买了一本新书《”暗知识”》，断断续续看完了，颇有收获。作者是王维嘉博士，他在思考关于知识的更本质的问题，而大多数科学家群体很少有意识或者有驱动去思考这样的问题，给他一个大大的赞。作为一个自认为是天在创造知识的科研工作者，这几天一直想写点什么东西。

        作者提出的与我们通常意义上的知识概念相对应的““暗知识””，是一个全新的概念。如下图，他根据可感受与可表达的属性，将知识划分为4个象限，或者三种类型。

        相对于明知识和默知识，“暗知识”在书中作者有这样一段文字，能很好地描述它的根源：

        “今天，人工智能，特别是其中的一个重要流派--神经网络，突然发现了海量的、人类既无法感受又无法描述和表达的“暗知识”——隐藏在海量数据中的相关性，或者万事万物间的隐蔽关系。这些“暗知识”可以让我们突然掌握不可思议的‘魔力’能够做很多过去无法想象的事情。本书就是要清楚阐述机器学习发掘出了什么样的“暗知识”，为什么机器能够发现这些”暗知识”，以及这些”暗知识”对我们每个人会有什么影响。”

        另外，作者对于“信息”、“数据”和“知识”三个概念的界定，还是很清晰和承接的，值得品味。“信息是事物可观察的表征，或者说信息是事物的外在表现，即那些可观察到的表现。数据是已经描述出来的部分信息。知识则是数据在时空中的关系。如果把时间和空间看作数据的一部分属性，那么所有的知识就都是数据之间的关系”。这个链条看起来把科学活动的要素也完整地概括了起来。但是，“暗知识”这个新事物，要扣进这个链条还有需要相互妥协的或者澄清的过程。这个放到科学范畴里，估计会有很大的争议，看来作者也是有所顾忌，并没有将自然科学的研究人员明确地列入该书的读者对象中。然而，自然科学的知识，就广度和深度来说，都是人类知识体系中最重要的一块，不好忽略掉。

        “暗知识”这个概念可以尝试引入到科学研究领域，如果获得了科学界的认同，可能会促进科学本身的发展，也可能会让大家认同一种全新的科学知识的表现形式。如何获得认同？估计需要利用按知识的理念去具体操作和解决几个科学上的难题（这个有点像前两年谷歌AI在围棋上的表现）。或者能够构建一种全新的“暗知识”路线，来低成本、高效率地替换现有的某个复杂而昂贵的科学实验过程。看来不容易。

         看来要从科学实验过程的信息、数据、知识的相互作用上，来探讨一下“暗知识”的品性。过两天空闲时再接着码字。