谈到当今的隐性知识,我们无法绕开 YouTube。
几个月前,Samo Burja 在 Medium 上写了一篇文章,题目是《知识传递中的 YouTube 革命》。我很喜欢这篇文章,并在 Commonplace 通讯的第 50 期中分享了链接。Burja 观察到了以下几点:
Burja 的整篇文章都非常精彩,我强烈建议你阅读全文。
但这里有一个转折。我在 2019 年 9 月 24 日发出的第 50 期通讯中链接了 Burja 的文章。而 Burja 的文章发表于 9 月 18 日。我现在写这篇文章的时间是次年 6 月 29 日。也就是说,我花了九个多月的时间才意识到 Burja 的观察结果可能是具有普适性的——也就是说,一旦你意识到 YouTube 是学习隐性知识的绝佳场所,这一事实所适用的技能范围将远超 Burja 在文章中所讨论的那些。
在本文中,我们将按领域逐一探讨利用 YouTube 获取隐性知识的几种方法。恐怕这里的轶事必然带有特定领域的色彩,但本文的目的是为你提供某些模式,你可以将其应用到你感兴趣的任何领域、任何想要习得的技能组合中。
让我们从柔道开始。
我在这里带有主观偏见,因为我青少年时期曾参加过柔道竞技。但就我们的目的而言,柔道很有趣,因为它并不是一项特别普及的运动。在我的家乡马来西亚,练习柔道的人数可能只够填满一个小足球场。而活跃的选手——那些定期练习柔道的人——可能只能填满半个球场。将这一人群与羽毛球、足球或网球等运动相比,差距显而易见。
这意味着在世界上大多数国家,想要成为一名优秀的柔道运动员是很困难的。这种情况不仅限于马来西亚;例如在美国,几乎每一位奥运柔道冠军都来自马萨诸塞州韦克菲尔德(Wakefield)一家名为 Pedro’s Judo Centre 的小型家族俱乐部。在该俱乐部之外,柔道也并不特别流行。如果你身处该国的其他任何地方:那只能算你运气不佳。
在今年早些时候新冠疫情封锁最严重的时期,马来西亚柔道教练 Oon Yeoh 开始采访来自世界各地的国际柔道选手,并将其命名为《新冠时期的柔道》(Judo In The Time of COVID-19)系列。关于那次经历,他写道:
在采访了许多柔道选手后,我注意到一件事:来自柔道强国的选手往往不怎么看柔道视频,而那些来自柔道弱国的选手则倾向于看大量的柔道视频。 原因显而易见。如果你来自柔道强国,那里有大量的体制支持、优秀的教练,以及充足的训练伙伴、训练机会和比赛。所有这些结合在一起,为你提供了提升柔道技能所需的一切。但如果你生活在一个柔道运动匮乏的地方,你几乎只能靠自己。在这种情况下,视频是你学习知识的最佳资源。(强调为原作者所加)
Oon 最初是在美国学习柔道,从职业生涯伊始就接触到了基于视频的训练。(据我所知,直到今天,他仍然是唯一一位参加过世界锦标赛的马来西亚选手)。当他说“视频是你学习事物的最佳资源”时,我们必须非常清楚他这句话的具体含义。
如果你现在去 YouTube 输入一个柔道技术,例如 “uchimata”(内股),你会得到如下的搜索结果页面:
排名第一的结果是美国柔道教练 Shintaro Higashi 的教学视频:
Higashi 关于内股的视频拍得特别好,而当你听到“YouTube”和“学习”时,脑海中浮现的可能正是这种教学视频。但教学视频并非 Oon 所指的唯一内容。
Oon 更感兴趣的是比赛录像分析。我请他解释了他是如何为了这个目的而使用视频的,他给出了解答:
假设你想学习某个特定选手是如何做某个特定技术的。以下是一些最佳实践: a) 不要只看该选手做该技术的一两个例子。要观看多个案例,并尝试找出该选手在准备投技时的趋势或习惯。以高藤(Takato)独特的大内刈(ouchi-gari)风格为例。如果你看得足够多,你会发现他只在非常特定的情况下(针对试图压低他头部的左撇子选手)才会使用这个技术。如果你注意到了这一点,请尝试理解其中的原因。
b) 特别注意抓把。每当他想做这个技术时,他是如何抓把的?你会注意到一种熟悉的抓把模式。同样,尝试理解为什么要这么做。
c) 技术有时会失败。也要观察这些失败的案例,并尝试理解出了什么问题。这次尝试有什么不同导致了失败?这样做可以让你剥离出关键的成功因素。
d) 尝试寻找变体。有时这些差异非常细微,但却意义重大。理解这些变体(何时使用以及为什么需要变体)会让你对该技术有更好的掌握。
e) 观看慢动作视频通常很有帮助。如果没有现成的慢动作回放,你可能需要下载片段,并使用简单的视频编辑软件自己制作慢动作。当我还是学生的时候,还没有数字视频,只有 VHS 录像带,我不得不使用两台录像机来制作古贺(Koga)投技的慢动作循环,以便能够正确地研究它们!
在另一次对美国奥运银牌得主 Travis Stevens 的采访中,Oon 问到了关于视频的问题,Stevens 回答道:
青少年选手在家里可以做很多事情来为未来的成功做准备。比如学习如何在观看视频时拆解比赛、记录训练笔记(此处为译者加粗)、写日志等等。在柔道中获胜不仅仅关乎刻苦训练。除此之外还有很多因素,比如分析、心理训练等等。
为什么要研究比赛录像,而不仅仅是教学视频?答案源于我们在之前关于默会知识(tacit knowledge)的文章中所探讨的一切。专业技能很难被清晰地阐述,而具身知识(embodied knowledge)只能通过语言进行松散的捕捉。在任何特定领域,最伟大的实践者和最伟大的教师之间通常并没有太多的重叠。
此外:询问任何资深的柔道练习者,他们都会告诉你,道场所教的内容与比赛中所用的内容之间也存在差距。对此,善意的解释是,顶尖选手无法解释他们在做什么,因为他们的躯体反应与内隐记忆中的线索相连,这使得他们无法察觉到这些细节。稍微不那么善意的解释是,柔道的高水平竞技中存在着一种 metagame(元博弈),而当前元策略的转变是不透明的,只有那些知道如何观察的人才能掌握。而完全不善意的解释则是,柔道是一项教学法很糟糕的运动,大多数人根本不知道该如何教学。

注意世界冠军丸山城志郎(Maruyama Joshiro)是如何用腿挑起对手的。

再对比一下 Higashi 的教学,他是利用髋部来发力挑起的。
(我最后的评价可能有点极端;但是——好吧,让我们来聊聊内股(uchimata),怎么样?YouTube 用户 Judo Mat Lab 有一段非常棒的视频,其中指出 Higashi 所教授的那种形式的摔法在比赛中很少见。许多顶级运动员的做法要简单得多(他们是挑起对手的腿并使其倾斜,而不是用髋部顶起对手)——事实上,这种倾斜的形式在 MMA 和 BJJ 中也最为常见。有趣的是,当这些柔道选手被要求演示内股时,他们首先展示的却是经典的、向上挑起的版本。这是一个将隐性知识成功显性化为精彩、全面解释的例子——但直到 2015 年,也就是柔道创立 133 年后,才由一位才华横溢的 YouTuber 把它讲清楚。)
所以这里的解决方案就是像 Oon 多年前领悟到的那样:不要等着别人来解释发生了什么。不要仅仅依赖教学视频。去观察真正的专家是如何做实操的。在柔道的语境下,这意味着要培养自己观看比赛视频的元技能,以便将选手的技术分解为各个组成部分。你试着弄清楚为什么它如此有效;之后,在道场里,你尝试通过模仿来复现它。
事实上,正如我们很快就会看到的:这个原则是通用的。当你想在 YouTube 上学习一项技能时,你应该花一点时间看教学视频,然后把剩下的时间花在观看专家进行实际操作上。前者从定义上讲是显性的;而后者能让你捕捉到那些隐性的知识。
让我们转向编程,这可能与职业话题更相关。
2009 年我在大学开始学习编程时,网络上已经有了相当多的编程内容。这一时期恰逢 MOOC(大规模开放在线课程)的兴起,因此在短短几年内,免费提供的编程讲座数量大幅增加。

Abelson 教授对该领域的著名介绍:“计算机科学不是一门科学,它与计算机也没什么关系”。
我非常欣赏这一趋势。我记得当时在想,任何人都可以观看传奇人物 Harold Abelson 在麻省理工学院(MIT)解释计算机编程的基础知识;他们可以在 Khan Academy 看到 Sal Khan 教数学,当然,会议组织者开始向 YouTube 大量上传编程会议演讲,也让他们有了极丰富的选择。当时我还是个穷学生;我记得当时觉得太棒了,在新加坡的宿舍里就能获取到所有这些资源;我觉得自己是世界上最幸运的人之一。
但演讲和讲座基本上都是教学性的。它们必然是显性的。即使演讲者试图表达一些深刻的、隐性的原则,他们所能传达的信息也会受到人类语言本身性质的限制。我记得看过 Rich Hickey 著名的演讲《简单即容易》(Simple Made Easy),心想:“哇,这看起来很深奥,似乎非常重要”,但在日常编程实践中却完全不知道该如何运用。
在本系列的这个阶段,我们已经知道为什么很难应用 Hickey 在《简单即易》(Simple Made Easy) 中提出的想法了——更重要的是,我们已经掌握了讨论这一问题的语言。我们知道 Hickey 的知识属于关系型隐性知识;我们也知道 Hickey 的专业能力是由他内隐记忆中的原型构成的,而掌握它的唯一方法是在我们的大脑中建立起一套等效的原型库。还不止于此:当 Hickey 构建这些大型复杂系统时,我们还必须习得他将这些原型与解决方案进行匹配的方式。简单来说,真正内化“简单即易”的唯一方法,就是在 Hickey 的指导下编写一段时间的代码。
事实上,这里有一个值得记住的经验法则:如果某件事能缩减到一场典型编程会议演讲的时长内,那么这件事很有可能很容易解释清楚。你会感觉到 Hickey 的演讲无法被压缩进一场会议的主旨发言中;如果你给他更多时间,他还能继续讲下去。
你之所以有这种感觉,是因为 Hickey 正试图传达某种深层的隐性知识:一种他注入到从 Clojure 到 Datomic 等所有参与项目中的原则。确实,更常见的编程会议演讲往往不像 Hickey 的那样;它们通常关注易于解释的主题,比如“如何使用编程语言 X 的酷炫新特性”或“如何在框架 Y 中实现技术 Z”;你不太可能听到更高层面的东西,比如“我该如何构建程序结构,以在过度抽象和抽象不足之间走钢丝?”或者“我该如何评估客户是个白痴的风险,这意味着我们一个月后可能不得不重新设计整个子系统?”这类事情是隐性的,你是在工作中通过与更有经验的人并肩作战来习得的。
因此,如果会议演讲和讲座相当于编程界的柔道教学视频,那么分析比赛视频的对应物是什么呢?答案当然是编程直播。
我认为编程直播真正流行起来也就是近五年的事——这或许归功于 Twitch 上游戏主播的增长和影响。它在编程界悄然兴起——去年读 Burja 的文章时,我还没意识到它的用处。但我认为,既然它已经出现了,对我们所有人都有好处。
与观看会议主旨演讲甚至教学视频相比,观看他人编程是一种非常不同的体验。这是你能获得的最接近观看资深开发者在你身边写代码,或者让他们与你进行结对编程的体验。事实上,在某些方面,直播更有用,因为你可以回过头去重看某些片段;一旦这些直播上传到 YouTube,它们也比一对一的结对编程更具可扩展性。
我认为对程序员来说很明显的一点是,有些东西你只有在观察其他程序员实际操作时才能领悟,而他们在谈论自己的工作时是无法传达这些的。最明显的例子或许就是他们的调试能力——在上面链接的视频中,你可以看到 Tsoding 遇到了一些不按计划进行的小问题,然后听他如何通过推理解决问题。这能让你了解他脑海中关于问题领域的模型。
就我个人而言,观察更有经验的程序员随着时间的推移构建程序结构非常有趣。在项目开始时,问题的轮廓通常并不清晰,因此程序员选择的第一个程序结构往往不是最好的。我倾向于关注程序员决定必须重构某个子组件的确切时刻——我会问诸如:他们如何知道要选择一个新结构?如果这是一种“感觉”,那他们捕捉到的是什么感觉?他们注意到了什么线索或“坏味道”?我会采取不同的做法吗?我是否可以尝试模仿他们的解决方案?
创作歌手 John Mayer 在今年早些时候的 5 月 7 日在 Instagram Live 上直播了一节吉他课。在视频的 8 分 35 秒处,他转而讲解了关于吉他技能进阶本质的一课,我认为这非常深刻:
我引用他的原话:
“这种想法是,你已经知道如何弹吉他了——如果你学会了五声音阶,如果你跟着布鲁斯唱片和摇滚唱片一起弹奏,并且即兴独奏了一段时间,你就已经掌握了所有的组成部分。 我们都在学习如何做的是……在那个时刻做那件事。所以你认识字母表里的所有字母,在吉他上学习这些非常容易——那是‘一分钟就能学会’的部分。而‘需要一生去精通’的部分是:你如何应用它,以及你如何思考?
在某种程度上,通过唱片学习吉他的一切就是:‘噢,你可以在那个时候那样做!’所以你不是在学习如何弹奏那种东西,而是在学习你可以在那个时间点弹奏那个东西。”
如果你将 Mayer 所说的内容放入我们在本系列课程中探讨的模型中,你应该能立刻领会(grok)他的意思。他是说吉他演奏大致分为两个进阶层次:第一层是学习吉他演奏的基础——五声音阶,以及执行各种拨弦技巧所需的所有具身认知(embodied knowledge)。但更高的一层本质上是扩展你大脑中原型(prototypes)集合的过程。你想知道在你感兴趣的流派中什么是好的,你想知道以前尝试过什么,你想知道——正如 Mayer 所说——“你可以在那个时刻做那件事”。
那么,还有什么比听大量的音乐更好的方式来获取这种知识呢?又有什么比在网上观看大量的吉他演奏视频更好的方式来学习技巧呢?
我认为,正如 Burja 所言,有两个趋势构成了“YouTube 知识转移革命”。我们在上面探讨的每个领域中都看到了这两点。
事实上,我还没有尝试过,但我很想知道 Oon Yeoh 分析柔道视频的原则是否可以推广到默会知识(tacit knowledge)的其他所有领域。如果我们去掉他清单中针对柔道的特定引用,可以得到:
公平地说,柔道是一项技术性极强的运动,使用为该领域定制的技术可能有些大材小用。但即使你不使用 Oon 的复杂技术,你可能仍然会惊讶于观察专家实际操作所带来的好处。有时你的大脑会以自然的方式吸收默会知识:也就是说,通过潜移默化(osmosis)。
正如 Patrick McKenzie 所观察到的:
在随便看了一个小时的 YouTube 视频后(原来 YouTube 上还有专门讲数独的频道),我解数独的速度提升了大约 40%。现在我在想,生活中还有多少其他事情也是这样的。
— Patrick McKenzie (@patio11) 2020年5月25日
也许这并不令人意外——毕竟,盲目模仿本就是我们最初的学习方式。
最初发布于 2020 年 6 月 30 日,最后更新于 2026 年 5 月 8 日。