‏دانشی که هوش مصنوعی هرگز یاد نمی‌گیره

مایکل پولانی، شیمیدانی که بعداً فیلسوف شد، در ۱۹۶۶ کتاب کوچیکی نوشت به اسم «بُعد ضمنی» (The Tacit Dimension). ادعای مرکزیش اینه: ما می‌تونیم بیشتر از اون‌چه می‌تونیم بگیم بدونیم. سوالی که ذهنش رو مشغول کرده بود این بود که چطور یه شیمیدان باتجربه نگاه به دستگاه می‌کنه و می‌فهمه قراره خراب بشه، قبل از اینکه هیچ علامتی ظاهر بشه؟ جوابش: بیشتر دانش متخصص‌ها قابل بیان نیست — نه «نمی‌خوان» بگن، بلکه ساختاراً «نمی‌تونن». این دانش توی بدن، تجربه، و سال‌ها کار کردن زندگی می‌کنه.

این دقیقاً همون بخشیه که هوش مصنوعی از بنیاد ازش قطعه. نه به خاطر اینکه مدل‌ها کوچیکن یا داده‌ی آموزشی کمه — بلکه چون این دانش هرگز نوشته نشده و به تعریف پولانی، نمی‌شه نوشتش. یه LLM (مدل زبانی بزرگ) در واقع یه ماشین «حداکثر بیان» ـه: روی هر چیزی آموزش دیده که کسی نوشته. اما قراردادهای نانوشته‌ی تیم، دلیل واقعی یه تصمیم معماری سه سال پیش، یا حس ناخودآگاه اینکه «این تابع باید دو تا بشه» — هیچ‌کدوم توی داده‌ی آموزشی نیستن و هرگز هم نخواهند بود.

نویسنده سه نوع شکست رو که الان توی کدبیس‌های AI-محور می‌شه دید معرفی می‌کنه: سوگیری بیان (Articulation Bias) یعنی AI کدی می‌نویسه که قوانین مستندشده رو رعایت می‌کنه ولی قراردادهای نانوشته‌ی تیم رو نادیده می‌گیره. نقاب روانی (Fluency Mask) یعنی اعتماد به توضیحات رنگارنگ و با اطمینان AI که هیچ ربطی به دلایل واقعی کدبیس شما ندارن. ورشکستگی دانش ضمنی (Tacit Bankruptcy) هم یعنی وقتی بعد از چند سال استفاده از AI، دیگه کسی توی تیم نیست که بفهمه سیستم چرا اینطوریه — کد هست، داکیومنت هست، تست هست، ولی هیچ‌کس نمی‌دونه چرا.

نویسنده یه خاطره‌ی شخصی هم تعریف می‌کنه: یه مهندس ارشد باتجربه یه بعدازظهر کامل یه PR درست و سبزرنگ رو merge نکرد، چون «به این کد اعتقاد ندارم». بالاخره فهمید که کد به صف FIFO وابسته‌ست — صفی که در محیط production فقط «تقریباً FIFO» بود و این فرق توی یه runbook دو ساله دفن شده بود. این «بو کشیدن مشکل» از روی diff، چیزیه که هیچ prompt ای نمی‌تونه از AI بخواد.

بر این اساس، مهندس ارشد در ۲۰۲۶ چند نقش کلیدی داره: حامل دانش ضمنی، سازنده‌ی شاگرد، مترجم ضمنی‌به‌صریح، و نگهبان شکل کدبیس. تنها روش انتقال دانش ضمنی هم همیشه یکی بوده: کار کردن کنار کسی که این دانش رو داره — pair programming، code review واقعی، نشستن کنار هم. دوره‌ی آموزشی و AI tutor این کار رو نمی‌کنن.

جمع‌بندی پولانی اینه که اگه این دانش می‌تونست نوشته بشه، دیگه ضمنی نبود. AI دقیقاً در دانشی خوبه که می‌شه نوشتش — ولی مهم‌ترین دانش، همونیه که نمی‌شه. این یه شکاف ساختاریه که با هیچ نسخه‌ی بعدی هیچ مدلی بسته نمی‌شه.

نکات کلیدی:

• دانش ضمنی (tacit knowledge) یعنی دونستنی که قابل بیان نیست — و این ساختاری‌ه، نه موقت
• LLMها فقط روی «نوشته‌ها» آموزش دیدن؛ مهم‌ترین دانش تیم‌های نرم‌افزاری هیچ‌وقت نوشته نشده
• سه خطر اصلی: سوگیری بیان، نقاب روانی، و ورشکستگی دانش ضمنی
• تنها مکانیزم انتقال دانش ضمنی همچنان شاگردپروری واقعیه: کار کنار هم، نه prompt زدن
• ارزش مهندسین ارشد باتجربه در دنیای AI-محور بیشتر هم شده، نه کمتر