@BenjaminDEKR:大量数据存在于“群体内部的隐性知识”中,甚至可能从未被记录下来。John 有 20 年的经验……
摘要
这条推文强调了记录“部落知识”——来自资深车间主管等经验丰富的员工、尚未形成文档的专业知识——所面临的挑战,以及如何在他们退休前将这些知识转化为人工智能能够理解的格式。
大量信息存在于“口耳相传的经验知识”中,甚至可能从未被记录下来。
约翰有20年的车间主管经验。
约翰退休后会怎样?如何将他的知识转化为人工智能能够理解的格式?
查看缓存全文
缓存时间: 2026/10/11 07:04
大量数据存在于“群体内部的隐性知识”中,甚至可能从未被记录下来。
约翰拥有20年的车间主管工作经验。
约翰退休后会怎样?如何将他的知识转化为人工智能能够理解的格式?
相似文章
@markokraemer:长期以来我一直坚信,这是大规模捕获知识、实现向…迁移的正确方式
Marko Kraemer 力挺 Raphael 及 Alexandria Inc 团队。这是一款用于构建内部人类“数据实验室”的新工具,旨在大规模捕获知识,推动从人类向超级智能(SI)劳动力的转变。
@mattpocockuk: 知识工作用代理自动化比代码要难得多 我们低估了软件开发对代理来说有多容易…
这条推文认为,与软件开发相比,知识工作用AI代理自动化更难,原因在于编码中的自动反馈循环和有序文档等优势。
@lateinteraction: 对 @jacobli99 的这项工作感到非常兴奋!我们对当前智能体在新领域获取专业知识的方式感到失望…
探讨了让AI系统像人类阅读教科书一样从文档中发展深层专业知识的挑战,强调了一种持续学习的形式。
@rohanpaul_ai: 一家公司的判断力并非存在于其档案中,而是存在于资深员工在工作交付前所做的修改(差异)中。……
本文认为,公司真正的判断力并非藏于存档文件中,而是体现在资深员工在工作最终定稿前所做的编辑(差异)中;AI 应学习这些差异以捕捉机构知识。
@rohanpaul_ai: 语言有一个机器人不具备的奇怪优势:文本已经是人类思想的压缩共享界面,而…
讨论了具身AI和机器人技术面临的挑战,包括10万年的数据差距以及缺乏共享基准,并强调了数据循环、评估系统和部署方面的创业机会。