GIST Kim Jun-ha教授称转化隐性知识是实现Physical AI的关键

GIST教授Kim Jun-ha指出，实现Physical AI的核心在于将人类熟练工无法言说的“隐性知识”转化为数据，并预测“权限设计技术”将在未来3至5年内成为应对AI失控的重要社会议题。

人工智能（AI）技术正从生成文本和代码的阶段，跨入在现实世界中执行物理行为的“Physical AI”时代。然而专家们一致认为，若要使Physical AI具备真正的智能，核心课题在于如何将超越书面手册、仅由人类熟练工掌握的“无法言说的诀窍”转化为数据。

根据T Times TV转述的GIST教授Kim Jun-ha的采访，当前AI的局限性在于其仍停留在明确记录或手册化的“显性知识（Explicit Knowledge）”层面。Kim教授引用迈克尔·波兰尼的著作提到：“我们所知道的比我们能言说的更多（We can know more than we can tell）”。也就是说，人类拥有无法完全用语言表达的庞大知识，如何将这种“隐性知识（Tacit Knowledge）”转化为AI的智能，将决定Physical AI的成败。

“挖掘机驾驶员的判断力是数据化的关键”

为了解释隐性知识的实质，Kim教授举了挖掘机驾驶的例子。虽然单纯的挖掘动作可以实现自动化，但为了防止土壤坍塌而轻微震动地面，或是在作业中发现岩石时感知危险并向侧面避让的判断，都属于熟练工的隐性知识。这类判断属于仅靠现有手册无法完成学习的领域。

那么，如何将这种“无法言说的知识”转化为数据呢？Kim教授建议，由于逐一学习所有过程的成本过高，应当通过学习核心点（Point）来教授其间的“语境（Context）”。他解释称，理解A与B数据之间的逻辑纽带正是隐性知识AI的核心。Kim教授强调：“不是单纯地学习数百万个Token，而是需要一个为AI寻找人类所拥有的‘就是这样’这种语境的过程。”

特别是在将熟练工和名匠的诀窍资产化的过程中，Kim教授要求企业改变人事政策。他指出：“将熟练工束缚在薪资高峰制中是不人道的”，并表示：“应当提供激励措施，确保他们的诀窍在未经同意或未获补偿的情况下不被使用，并将他们的判断和记录视为企业的核心资产。”他的逻辑是，企业应将熟练工视为“数据资产的持有者”，而非退休对象，这样对企业更有利。

“权限设计技术”将成为未来5年的热点，以防止AI失控

一旦Physical AI进入现实世界，与人类的“冲突”将成为不可避免的课题。Kim教授预测，当AI侵犯人类领域或做出意料之外的行为时，能够控制这些行为的“权限设计技术”将在未来3至5年内成为最重要的社会议题。

如果说目前的AI开发集中在“让新事物动起来的技术”上，那么未来，“如何让已开发出的事物停下来”的控制技术将变得至关重要。他预见，当AI试图做出危险行为时，需要一种能够调用人类隐性知识来制止它的权限。这不仅是简单的编程技术，更将是结合了人际共识、安全及加密技术的高级设计技术。

这种权限设计直接关系到赋予AI智能体多少自主权的问题。Kim教授警告称：“由于担心AI侵犯人类范围，开发者们已进入了苦恼阶段”，若权限设计技术无法得到有效支撑，Physical AI的商业化也可能面临困难。

从智能工厂迈向Physical AI……韩国制造业的新机遇

最后，Kim教授明确区分了Physical AI与传统智能工厂的区别。如果说智能工厂侧重于重复相同动作的“自动化”，那么Physical AI则意味着在不同的工艺和作业环境下，能够自主判断并行动的“智能化”。

他评价称，韩国是Physical AI产业的最佳所在地之一。他提到NVIDIA首席执行官黄仁勋关注韩国的原因，分析称韩国是全球范围内拥有“连接各点（数据/技术）能力”的国家。Kim教授表示：“如果说LLM（大语言模型）曾被困在屏幕之中，那么Physical AI则是将这种智能转化为物理行为的阶段。如果韩国能通过‘隐性知识’这一纽带，将积累已久的产业点连接成Physical AI，制造业将实现新的飞跃。”

不过，并非所有的劳动都会被取代。Kim教授预测，虽然平地上的简单劳动将在很大程度上由Physical AI承担，但像厨师那样结合了细腻手艺与高度判断力的领域，人类的隐性知识仍将发挥强大的防御作用。

来源：原视频（YouTube）