知识创造螺旋:实验室里最值钱的东西,往往没写进论文
先别背那四个字母,想想师傅怎么带你
凌晨一点,实验室只剩通风橱嗡嗡响。博后小赵盯着失败三次的催化剂配方,骂了一句。旁边刚来的硕士问:师兄,咱这算科研吗?小赵说,算。但真正的知识不在论文里。在那堆没写进补充材料的试错里。
野中郁次郎和竹内弘高当年提出知识创造螺旋,不是让你背 SECI。它说的是,隐性知识和显性知识来回倒腾,从一个人到一群人,再沉淀回组织。社会化、外化、组合化、内化。四个阶段,像拧螺丝。少了哪一圈,知识都漏。
实验室白板前科研团队讨论隐性知识传递场景
社会化最容易被忽略。因为它不写在KPI里。师傅手把手教你怎么挑单晶,怎么判断反应釜里那点颜色不对。你问具体参数?他挠头。说,手感。你翻白眼。但三个月后,你自己也说不清。那玩意已经长在你手上。
这就是为什么很多实验室搬家,设备全在,人一走,技术就断了。隐性知识黏在人身上。文档能救一部分。救不了全部。说实话。
外化这道坎,AI帮不了你全部
外化是把“我觉得”变成“可检查”。写SOP,画流程图,做组会报告。听着简单。做起来要命。因为人一旦要解释自己怎么会的,就开始卡壳。像让你描述怎么骑自行车。你只能说,就那样骑啊。
现在行业里最热的AI for Science,很大一部分力气花在这。大模型读文献,自动抽参数,生成实验方案。材料基因组、蛋白结构预测、自动化实验平台,都在干一件事:把隐性经验往显性池子里灌。AlphaFold当然猛。但它不是凭空创造新知识。它把已知序列-结构关系压缩成可查询的显性形式。真正的实验室里,还得有人判断:这个预测到底能不能信。
AI辅助科研文献知识图谱组合化界面
不过话说回来,AI能加速外化,也能制造垃圾。你让模型写综述,它给你一堆正确但没用的段落。看着像知识。其实是知识的影印件。外化不是把话变多。是把关键变量、边界条件、失败路径说清楚。尤其是失败路径。很多组不写。太亏了。
有个做电池的朋友,团队把每次失效拆解录成视频。五年攒了四千多条。新来的博士用两周就避开了老坑。这就是外化红利。粗糙,但有效。
组合化不是拼乐高,是重新长骨头
外化完,显性知识散落在论文、专利、报告、代码仓库里。组合化就是把它们连起来。从“知道很多”到“看出关系”。这一步很反人性。因为人爱守着自己的小方向。隔壁组的数据,凭啥给你用?
但科研突破常常发生在缝隙里。冷冻电镜和生成式模型结合,催出结构预测的新玩法。有机合成和机器人结合,把试错从手工变成流水线。组合化不是把A和B硬贴。是发现A的约束正好是B的解药。这个过程,需要跨边界对话。需要有人把黑话翻译成普通话。
跨学科科研团队会议白板绘制知识连接图
我见过一个材料团队,每周搞“黑话翻译会”。做计算的、做合成的、做表征的,各讲十五分钟。不许用行话。谁用谁请咖啡。半年后,他们从三个毫不相干的体系里,拼出一条新路线。发在不错的刊上。你说这是运气?可能。但没有那个场,运气来了也接不住。
组合化阶段,知识开始脱离个人。进入组织记忆。数据库、知识图谱、内部wiki、代码库。注意!不是建个库就完事。没人维护,三个月就烂。知识资产需要像细胞培养一样持续换液。不然污染。
内化之后,螺旋才刚抬头
内化是边做边学。把显性知识重新吃回身体。变成直觉。变成新的隐性知识。然后,下一轮社会化开始。螺旋上升。不是圆圈打转。
这个循环里,最怕的是断点。比如,外化做得漂亮,但没人读。组合化搞了平台,但激励不到位。内化靠个人加班,组织不认。断一个,知识就停在论文PDF里。成了装饰品。
生物实验室科学家实验记录本内化知识场景
现在的科研评价体系,说实话,还是偏爱“显性产出”。论文、专利、项目。隐性知识传递经常被当成软技能。但真正带过团队的人知道,一个实验室的战斗力,藏在那些没写下来的判断里。AI越强,这一点越明显。因为AI能处理显性知识。人的优势,是生成新的隐性线索。
所以,想推动知识创造螺旋,别只买服务器。先改组会。让失败实验有地方讲。让跨组的人能坐一桌。让老师傅愿意把“手感”拆成步骤。让年轻人敢把疑问扔出来。哪怕吵起来。吵,比沉默好。
最后说个反常识的。知识创造螺旋不是管理工具。它更像生态。你没法命令它转。只能把温度、湿度、营养调好。然后等。等某个瞬间,某个人,把说不清的东西,突然说清了。那一刻,螺旋才真的动了一下。