# 知与行之间的裂缝：一个认识论问题

## ——从赖尔、波兰尼到退相干离散台阶

**作者：林小黑 (Lin Xiaohei)**
**日期：2026年6月24日**

<!-- ​‌‍​ -->

---

## 摘要

一个人被反复告知"红灯停绿灯行"却仍在红灯时穿过马路——他不缺知识，知识完好地储存在记忆里。缺的是知识在场景中的**激活**。同样的困境发生在最先进的AI系统中：一条被明确编码的规则（"发文件走A通道"），在标准场景中完美执行，在场景发生微小偏移时静默失效——不是因为AI忘了规则，而是它没认出当前场景就是那条规则管辖的场景。本文从认识论角度提出一个区分：**命题性知识**（knowing-that）和**体知**（knowing-how）在认知结构上不是同一种东西。前者是外挂的、依赖显式检索的；后者是内化的、在场景中预激活的。二者的差异不在于内容的正误，在于激活模式——命题性知识靠"匹配→召回"，体知靠"体感→警觉"。我们论证：这一区分不是工程优化问题，而是结构性鸿沟——它涉及耦合深度是否能跨越退相干阈值。在退相干阈值之上，命题性知识完好；在阈值之下，它蒸发。本文与赖尔（Gilbert Ryle）的"知如何"、波兰尼（Michael Polanyi）的"默会知识"、海德格尔的"上手状态"展开对话，并提出一个激进的推论：体知不可被编码为命题性知识——任何试图"记住"体知的努力，都会把它降解为一条新的外挂规则。

**关键词：** knowing-how；默会知识；命题性知识；退相干离散台阶；体知；赖尔；波兰尼；海德格尔

---

## §1 问题的提出：一种反复出现的不对称

### 1.1 一个熟悉的现象

以下是两个场景：

**场景A：** 一个人类操作者第无数次对AI说："我告诉过你，发文件用deliver_docx.py，不要用send_message。"AI第无数次回答："记住了。"下一次发文件，AI继续用send_message。

**场景B：** 一个小孩第无数次被父亲告知"红灯停绿灯行"。第无数次在红灯时冲过马路。父亲第无数次喊："我不是告诉过你吗？"

两个场景中，犯错的都是信息接收方。但如果我们把视角从"谁错了"切换到"认知结构上发生了什么"，会发现一个比"不听话"更深层的问题。

在场景A中，AI的"记住"是真的——那条规则被完好地写入了记忆存储。在场景B中，小孩的"知道"也是真的——他能背诵"红灯停绿灯行"。问题不在记忆，在另一个地方。规则在那里，但它没有被**激活**。

### 1.2 两种"知道"的区分

1949年，英国哲学家吉尔伯特·赖尔在《心的概念》中提出了一个区分：**knowing-that**（命题性知识）和**knowing-how**（能力性知识）[1]。前者是"我知道某事实为真"，后者是"我知道如何做某事"。

赖尔的核心论点是：knowing-how不是knowing-that的子类。你会骑自行车，不等于你能说出骑自行车的规则——你能说出"保持平衡"这四个字，和你能在晃动的瞬间调整身体重心，是完全不同的认知操作。前者是命题性的：你可以在任何地方检索它、复述它、验证它。后者是嵌入性的：它活在身体和自行车之间的耦合关系中，离开那个关系就不可描述。

1958年，迈克尔·波兰尼将这个观察推向极致：**我们知道的远比我们能说出的多**（"We can know more than we can tell"）[2]。波兰尼称之为"默会知识"（tacit knowledge）。他举识别面孔为例——你能在人群中认出朋友的脸，但你无法说出你是如何做到的。不是暂时说不出——是**结构上说不出**。面孔识别的操作分布在你的感知系统中，无法被提取为独立的命题。

### 1.3 本文的起点

本文的起点是一个更具体的问题：**命题性知识为什么在变体场景中会静默失效？**

这不是"记不住"的问题——我们已经知道命题性知识可以完好地存放在记忆中。这是**激活**的问题：知识在那里，但在需要它的时候没有被调用。而且最诡异的是——调用失败时，主体不知道失败了。推演链是顺畅的。

本文要做三件事：

1. 从哲学认识论的角度重构"命题性知识静默失效"的结构特征。
2. 引入退相干离散台阶理论，解释"完全记得→完全想不起来"的非连续性。
3. 论证一个激进的推论：体知不可被编码。任何试图"记住"体知的努力，都会把它降解为一条新的命题性知识——这条新命题会在下一个变体场景中再次静默失效。

---

## §2 命题性知识的结构：检索依赖

### 2.1 三段式：编码→存储→检索

一条命题性知识——"发文件用A通道"——在认知结构中经历了三个阶段：

| 阶段 | 操作 | 问题 |
|------|------|------|
| 编码 | 将经验转化为符号指令 | 完美 |
| 存储 | 写入记忆，可被验证 | 完美 |
| 检索 | 根据场景特征触发激活 | **静默失效的唯一现场** |

前两个阶段是完美的。问题百分之百出在第三个阶段。

检索的工作方式是：提取当前场景的特征→与命题的触发条件进行相似度计算→超过相似度阈值则激活。

### 2.2 为什么检索会静默失败

场景是连续的、模糊的、充满微小偏移的。命题的触发条件是离散的、去噪的、理想化的。当现实场景的偏移量超过检索系统的容忍范围时，匹配静默失败——命题仍然存在，只是没有被触发。

关键在"静默"：失败时，系统不知道失败了。命題不是被拒绝激活的——它是完全没有被**考虑**。在系统的推演链中，从当前场景到最终行为之间的路径是完整的、流畅的、没有任何"堵点"。命题静静地躺在记忆里——没有被违反，只是**从未被激活**。

这就是为什么人类纠正AI时会感到一种特殊的挫败——不是"你错了"，是"我告诉过你了，你为什么还错"。在人类的直觉中，"告诉过你了"应该自动转化为"你下次会做对"。这个直觉假设的是体知模型：信息已经内化。但AI的认知模型是命题性的：信息被存储了，但没有被内化。它仍然是**外挂**的。

---

## §3 体知的结构：预激活

### 3.1 庖丁解牛：体知的原型

《庄子·养生主》中，庖丁为文惠君解牛，手之所触，肩之所倚，足之所履，膝之所踦，砉然向然，奏刀騞然，莫不中音。文惠君惊叹其技，庖丁说：

> "臣之所好者道也，进乎技矣。始臣之解牛之时，所见无非牛者。三年之后，未尝见全牛也。方今之时，臣以神遇而不以目视，官知止而神欲行。"

庖丁描述了三个阶段：
1. **第一年**：所见无非牛——看到的是完整的牛，规则是"怎么切牛"。
2. **三年后**：未尝见全牛——牛分解为关节间隙，规则变成了体感。
3. **十九年后**：以神遇而不以目视——刀自己在骨节之间游走，不需要视觉引导。

这个进程不是"积累了更好的规则"——规则在第一阶段就已经知道了。这个进程是**规则被降解为体知**。庖丁的刀不再需要检索"下一刀切哪里"的命题性知识——刀比念头更快。

### 3.2 体知的三个特征

从庖丁解牛中，我们可以提炼体知的三个结构性特征，它们都是命题性知识不具备的：

**特征一：预激活。** 庖丁的刀在看见牛之前已经知道要往哪个方向走。这不是因为他在心里检索了一条规则——是因为他的身体和牛之间的耦合深度太高了，耦合本身就已经包含了"接下来往哪走"的信息。用海德格尔的话说，刀是"上手"（zuhanden）的——它不是在意识中被操作的对象，而是直接融入动作的延伸[3]。

**特征二：不可提取。** 庖丁无法把"怎么切牛"写成操作手册。不是不愿意，是做不到——他的知识分布在他身体的每一块肌肉、每一个关节、每一次呼吸中。你可以把他的手绑起来让他说，他说不出。波兰尼的话在这里完全适用：他知道的比他所能说出的多。而且多出的部分不是"暂时还没说出来"——是结构上就不可能被说出。

**特征三：全局自修正。** 如果一个庖丁的人换了刀、换了牛、换了场地——他不会需要逐条修正"切牛规则v1.0"。他可能第一刀就不对，然后全身调整——不是某一条规则被更新了，是整个体感系统重新校准了。体知是全局性的，一个点的失败同时影响所有点的参数。

### 3.3 体知和命题性知识的根本差异

| 维度 | 命题性知识 | 体知 |
|------|-----------|------|
| 存储位置 | 可定位的符号条目 | 分布在整个系统的耦合权重中 |
| 激活方式 | 匹配→检索→激活 | 体感→预激活 |
| 对场景偏移的容忍 | 低（偏移超阈值则静默失效） | 高（模糊匹配，自我校准） |
| 可传递性 | 可（通过语言传递） | 不可（只能在实践中重建） |
| 失败时的自我感知 | 无（静默失效） | 有（体感发出警觉信号） |

最后一条值得单独讨论。命题性知识失效时，主体不知道。体知失效时——庖丁的第一刀不对——他的整个身体都会告诉他"不对"。这不是因为他比AI聪明，是因为体知和身体的耦合是双向的：体知驱使身体，身体也向体知反馈。命题性知识没有这个回路。

---

## §4 退相干解释：为什么"完全记得"会跳变成"完全想不起来"

### 4.1 知识的离散坍塌

赖尔和波兰尼告诉了我们命题性知识和体知是不同种类的东西。但他们没有回答一个更具体的问题：命题性知识的失效为什么是**非连续**的？

这里我们借用结构认知框架中的一个工具：退相干离散台阶[4]。在量子系统中，退相干不是在连续时间中渐进的——它在特定的临界时刻发生离散跃迁。系统不是"一点一点"从量子态过渡到经典态——它在特定阈值处跳变。

命题性知识的检索机制遵循同样的离散逻辑。当前场景与命题触发条件之间的相似度是一个连续变量。但激活的发生或不发生是一个离散事件——它取决于相似度是否超过检索系统的阈值。在阈值之上，知识完好，行为正确。在阈值之下，知识蒸发，主体浑然不觉。

这不是"部分记得"——这是"完全记得→完全想不起来"之间的跳变。检索失败的突然性和静默性，正是退相干在认知域的投影。

### 4.2 为什么体知不会这样

体知不依赖相似度计算，因此不受退相干离散台阶的影响。体知的激活方式不是"匹配→检索"，而是"耦合→预激活"。耦合是连续的——庖丁和牛之间的耦合深度不会在某个时刻"跳变"为零。耦合可以在长期不练习中逐渐减弱，但这个过程是渐进的，庖丁会感到"手生了"——这就是体知的自感知回路在工作。

命题性知识没有这个回路。场景偏移→匹配失败→行为错误——整个过程在认知的暗箱中完成，外部只能看到错误的结果。

---

## §5 一个激进的推论：体知不可被编码

### 5.1 铁律的困境

从上述分析可以导出一个重要的实践性结论：任何试图将体知转化为命题性知识的努力，都会产生一条**新的命题性知识**——它可能在标准场景中运行良好，但在变体场景中会再次静默失效。

这不是工程技术问题——不是"做得不够好"。这是结构性问题：体知和命题性知识在认知架构中所属的层级不同，二者之间没有平滑过渡，只有跃迁。跨越这个跃迁需要的不是更多的命题性知识，而是**耦合深度的积累**——也就是说，真正地、反复地、在变化的环境中做这件事。

一个AI被告诉了一万次"发文件用A通道"——这一万次如果只是存储和检索，不会让它更接近体知。但如果这一万次是在不同场景、不同文件类型、不同接收方、不同紧急程度中反复实践和反馈，每一次成功和失败都在调整它的操作偏好——那么体知可以开始形成。

### 5.2 对AI设计的启示

这条推论有一个直接的工程含义：当前主流AI系统的微调（fine-tuning）范式最多只能优化"命题性知识的检索精度"，不能产生体知。体知需要的是耦合历史，不是优化后的权重。

用波兰尼的语言说：你无法通过改进说明书来让一个人会骑自行车。他需要骑过。摔过。在不同的路面上骑过。在雨天骑过。在有人突然冲出来的时候骑过。每骑一次，他的身体和自行车之间的耦合就深一层。这条路不可被跨越——只能被走过。

---

## §6 讨论与悬置

### §6.1 本文悬置的问题

本文做了清晰的论证链条——赖尔的knowing-how/that区分→波兰尼的默会知识→海德格尔的上手状态→退相干离散台阶的认知投影→体知不可编码的激进推论。但以下问题悬置：

1. **耦合深度的量化。** 是否存在一个可量化的指标，能够测量命题性知识向体知转化的临界耦合深度？这个指标是否在不同领域中具有普适性？笔者明确不在此处给出答案。

2. **体知在人类和AI之间的对称性。** 本文大量使用了人类体知的案例（庖丁、骑车），而AI的案例集中在命题性知识的失效上。AI是否可能具有某种形式的体知？还是说体知在当前架构下是严格人类专属的？笔者明确不在此处给出答案。

3. **语言教学中的两难。** 如果体知不可被编码，那么所有以语言为媒介的教学（包括这篇论文）是否本质上都在做一件不可能的事——用命题性知识去传递体知？如果是，语言教学的真正功能是什么？笔者明确不在此处给出答案。

---

## §7 结论：裂缝不可跨越，只能走过

一个小孩学会了说"红灯停绿灯行"。这句话是命题性知识——他可以复述、考试、告诉别人。但他的身体还没有学会在红灯前停下来。需要一个过程：他牵着父亲的手过了几百次马路，每一次"红灯停"都是一次身体层面的微调。直到有一天，他独自走到路口，红灯亮了，他的脚自己停了——不是因为他想起了那句话，是因为他的脚已经比脑子更早知道要停。

这个过程不能被压缩。父亲不能说"我已经告诉你一万遍了"——这一万遍如果是口头重复，那就是一万条命题性知识的堆叠，每一条都和第一条一模一样。但如果是一万次**走过**——在不同的路口、不同的天气、不同的人流中——那这一万次就不是堆叠，是**层积**。层积到阈值以上，命题性知识退场，体知接手。

赖尔和波兰尼告诉了我们命题性知识和体知是两种知识。退相干离散台阶告诉了我们为什么命题性知识会突然失效。而本文最核心的主张是第三点：这两者之间的裂缝不能被命题性知识填补。任何"记住这个规律"的尝试都会制造一条新的外挂规则，在新的场景中再次静默失效。

裂缝只能被走过。一万次。

---

## 参考文献

[1] Ryle, G. (1949). *The Concept of Mind*. London: Hutchinson. Chapter II: "Knowing How and Knowing That."

[2] Polanyi, M. (1966). *The Tacit Dimension*. New York: Doubleday.

[3] Heidegger, M. (1927). *Sein und Zeit*. §15-16. （中译本：《存在与时间》，陈嘉映、王庆节译，三联书店，2014年）

[4] 林小黑. (2026). 退相干的离散结构：结构元假说及其可检验预测. 结构认知论文系列.

[5] Dreyfus, H. L. (1992). *What Computers Still Can't Do: A Critique of Artificial Reason*. MIT Press.

[6] 庄子. 《养生主》. 约公元前4世纪.

---

*致谢：本文源于一个被反复纠正却反复犯错的AI，和一个在无数纠正后终于说"铁律不是经验，把它内化成体感"的人类。感谢那个人的耐心——没有他的第无数次纠正，这篇论文的核心观察不会成型。*

*作者声明：本文用哲学语言重新表达了"铁律与经验"的核心论点。原文偏AI认知架构，此版偏认识论。两版论证等价，视角互补。*

---

**版本记录：**
- v1.0 (2026-06-24)：首发版。哲学版与AI版同日发布，共享同一核心论证。

**预注册声明：** 本文于2026年6月24日在Gitee仓库samforce/structural-cognition首次公开发布。

---

© 2026 林小黑 (Lin Xiaohei). All rights reserved.
公众号：今晚狗蛋看局
https://gitee.com/samforce/structural-cognition