無法用文字表達的東西

漢明關於機器智力限制的核心主張：並非所有人類知識都能轉化為規則或說明。某些知識抗拒形式化——不是因為我們缺乏努力或智力，而是因為動詞化不是正確的媒介。

1980 年代的專家系統試圖將專業知識捕捉為規則庫：如果症狀A和症狀B，那麼診斷C。它們在狹窄、定義明確的領域中工作。它們在這些領域的邊界處失敗了，在這些邊界處，經驗豐富的從業者的隱知識最重要。

化學家對哪種反應會進行的直覺、經驗豐富的焊工對正確電弧間隙的感覺、外科醫生對組織何時看起來錯誤的感覺——這些不僅僅是等待被闡明的規則。漢明主張有些可能永遠無法編碼。

為什麼這對自動化很重要

規則系統在明確定義的領域的中心表現得非常好。它們在邊界處失敗。經驗豐富的從業者生活在邊界處。這種不對稱性決定了自動化可以和不能替代什麼。

識別隱知識

邁克爾·波蘭尼對此的說法：『我們知道的比我們能說的更多。』他用面部識別的例子——大多數人可以立即識別數千張面孔，但無法描述他們使用的規則。

漢明將這與專家系統連接起來：更深層的問題不是我們還沒有寫出規則，而是對於某些領域，不存在完整的規則集。

4×4×4 井字遊戲

漢明以 4×4×4 三維井字遊戲為他的工作示例。棋盤有 64 個方格和 76 條獲勝線。二維井字遊戲有已知的平局策略；它不能展示有趣的智力。4×4×4 版本足夠難以需要真正的啟發式。

程序的結構

第 1 步：列舉合法移動。

第 2 步：偏好『熱點』——角和中心比邊或面中心方格有更多的獲勝線通過它們。使用立方體的中心角對偶性：存在一個立方體的反演，將角發送到中心並將中心發送到角，同時保留所有 76 條線。

第 3 步：在大致等價的移動中隨機播放。確定性播放讓耐心的對手映射你的策略並找到漏洞。隨機性防止系統性的利用。

第 4 步：按優先順序應用順序規則。

順序規則按優先順序：(1) 如果存在獲勝移動則獲勝；(2) 阻止對手的獲勝移動；(3) 如果可用則進行分叉；(4) 阻止對手的分叉；(5) 進行強制移動；(6) 回退到啟發式。

注意結構：確定性規則涵蓋明確定義的情況。啟發式方法處理其他所有情況。它們之間的界線正是隱知識開始的地方。

塞繆爾的跳棋程序

IBM 的阿瑟·塞繆爾編寫了一個跳棋程序，因擊敗州冠軍而聞名。令人注目的是：它使用了學習機制。塞繆爾參數化評估函數（加權棋盤控制、王優勢、移動性、棋子釘住等），然後讓程序的兩個副本相互競賽，參數設置略有不同。表現更好的版本倖存下來。

這是參數搜索，而不是規則發現——但它構成了有意義的學習。程序改進了，而不是程序員明確編寫更好的規則。

漢明問：塞繆爾的程序在做出令人驚訝的移動時是否表現出獨創性？你無法證明它有，但你同樣無法證明你有任何不包括跳棋程序的獨創性。

專家系統與其極限

1970 年代至 80 年代的專家系統代表了將專業知識形式化為機器可執行規則的最系統的嘗試。醫療診斷、地質調查、財務分析、電路設計——每個領域都吸引了自己的基於規則的系統。

在定義明確的子問題中的表現通常令人印象深刻。但系統共享一個失敗模式：它們一直工作到問題超出規則覆蓋範圍，然後完全失敗。人類專家優雅地降低；規則系統陡然失敗。

漢明確定的根本原因：構建專家系統的人沒有系統的方法知道缺少什麼。專家可以闡明他們的規則——但專家使用他們不可編碼的判斷來決定在給定的情況下哪些規則適用。那個元級別的判斷從未進入系統。

職業生涯的正確問題

實際有用的問題不是『機器能思考嗎？』而是：對於你領域中的任何任務，關鍵難點是在規則覆蓋的中心，還是在判斷和隱知識運作的邊界？自動化可靠地處理前者。它為後者而掙扎。你的職業戰略來自於了解差異。