ปริศนาความรู้ฝังลึกในยุค AI

ปริศนาความรู้ฝังลึกในยุค AI: การถ่ายทอดสิ่งที่เรารู้แต่ไม่สามารถอธิบายเป็นคำพูด

ในปี 1966 ไมเคิล โพลานยี (Michael Polanyi) นักปรัชญาวิทยาศาสตร์ ได้ตั้งข้อสังเกตอันเรียบง่ายที่ยังคงเป็นโจทย์ท้าทายที่สุดของปัญญาประดิษฐ์ในปัจจุบัน:

"เรารู้มากกว่าสิ่งที่เราสามารถบอกออกมาเป็นคำพูดได้"

โพลานยีเรียกสิ่งนี้ว่า Tacit Knowledge (ความรู้ฝังลึกในตัวคน) มันคือภูมิปัญญาเชิงประสบการณ์ที่มนุษย์มีอยู่จริง แต่ยากจะแปลงเป็นตัวอักษร คุณสามารถทรงตัวบนจักรยานได้โดยไม่ต้องคำนวณสูตรฟิสิกส์บนกระดาษ คุณจำใบหน้าของเพื่อนสนิทท่ามกลางฝูงชนนับพันได้โดยไม่ต้องระบุพิกัดเป็นมิลลิเมตร

ในการพัฒนาซอฟต์แวร์ ความรู้ฝังลึกคือทุกสิ่งที่แยกวิศวกรผู้ช่ำชองออกจากตำราคู่มือไวยากรณ์

ภูเขาน้ำแข็งแห่งวิจารณญาณทางวิศวกรรม

หากมองดูฐานโค้ดใดๆ ความรู้ที่เขียนไว้อย่างชัดแจ้ง (Explicit Knowledge) เป็นเพียง 10% เหนือผิวน้ำ: ไวยากรณ์ของภาษาและกฎของคอมไพเลอร์ สเปกของ API และคำจำกัดความชนิดข้อมูล * รายการฟีเจอร์และชุดทดสอบ Unit Test

แต่สิ่งที่จมอยู่ใต้ผิวน้ำคือมวลความรู้มหาศาลที่มองไม่เห็น: รสนิยมทางสถาปัตยกรรม: การรู้โดยสัญชาตญาณว่าการสร้าง Abstraction ในจุดนี้เร็วเกินไปและจะกลายเป็นหนี้ทางเทคนิค สัญชาตญาณการระวังภัย: การสัมผัสได้ถึง Race Condition ในลูปการทำงานก่อนที่จะรัน Benchmark บาดแผลที่ผ่านการเจ็บจริง:* ความทรงจำของเหตุการณ์ระบบล่มในอดีตที่ชี้นำการเลือกโครงสร้างข้อมูลในปัจจุบัน

โมเดล AI ทั่วไปถูกฝึกฝนมาจากสิ่งที่เขียนเป็นตัวอักษรเท่านั้น จึงเห็นเพียงยอดภูเขาน้ำแข็ง แต่ไม่เคยเห็นความลังเลของมือวิศวกรก่อนที่จะตัดสินใจแยกส่วนฟังก์ชันที่อันตราย

เครื่องจักรจะซึมซับความรู้ฝังลึกได้อย่างไร?

แนวทางดั้งเดิมในวงการคือการเขียน System Prompt ให้ยาวขึ้น โดยสั่งให้ AI "เขียนโค้ดอย่างมืออาชีพ" ซึ่งเป็นความเข้าใจผิด เพราะคุณไม่สามารถสั่งเครื่องจักรในสิ่งที่คุณเองก็อธิบายเป็นคำพูดไม่ได้

ที่ Autobahn Bot เราตระหนักว่าความรู้ฝังลึกไม่สามารถสอนผ่านการบรรยาย แต่ต้องเรียนรู้ผ่าน การสังเกตการแก้ไขจริงหน้างาน (Co-presence & Correction): 1. พลังแห่งการปฏิเสธ (The Veto): เมื่อวิศวกรจับคู่ทำงานกับผู้ช่วยแล้วกดปฏิเสธโค้ดที่เสนอ นั่นคือขุมทรัพย์ของความรู้ฝังลึก เพราะอะไรมนุษย์ถึงไม่เอา? เพราะมันดูเปราะบาง? หรือเพราะมันขัดต่อความกลมกลืนของระบบ? 2. การทบทวนหลังจบเซสชัน: External Brain บันทึกว่านักพัฒนายอมรับหรือปฏิเสธไฟล์ใดที่ผู้ช่วยเสนอ และเก็บข้อแก้ไขที่ผู้ช่วยส่งต่อให้เมื่อจบเซสชัน ช่องว่างตรงนั้นคือที่ที่รสนิยมของมนุษย์ปรากฏ 3. การตกผลึกเป็นสัญชาตญาณ: เมื่อความพึงพอใจที่ไม่เคยพูดออกมาถูกทำซ้ำในหลายๆ งาน ระบบความจำจะตกผลึกมันเป็นกฎประจำตัวที่พร้อมใช้งานทันที

อนาคตของการจับคู่สร้างสรรค์

AI จะไม่มีวันแทนที่รสนิยมของมนุษย์ เพราะรสนิยมวางอยู่บนรากฐานของประสบการณ์ วัฒนธรรม และความเข้าอกเข้าใจ แต่ด้วยการออกแบบเครื่องมือที่สังเกตพฤติกรรมจริงในการทำงาน เรากำลังสร้างสะพานข้ามปริศนาของโพลานยี เพื่อให้เครื่องจักรค่อยๆ มองเห็นโลกผ่านสายตาของผู้สร้างอย่างแท้จริง