人工智能时代提出的 “暗知识” 概念，将人工智能所掌握和使用、却难以为人类感知和表达的信息视为知识，这开拓了一个全新的知识类型。追溯 “暗知识” 的发现过程，概括 “暗知识” 的主要特点，分析它对人类传统的知识观带来的挑战，阐述 “致用以学” 何以可能、何以必要，提出人工智能时代机器所掌握的暗知识与人类的学习行为融合，可以超越传统的 “先学后习” 和 “学习并行” 模式，“先习后学”的新模式将使人机融合条件下的 “致用以学” 成为现实。未来的教育教学改革应该更加重视学习者的主体性教育，立足于机器所掌握的暗知识，以知识的应用为导向，着力培养学习者判断、选择、转化和灵活运用各类知识解决实际问题的能力，这是人工智能时代教育工作者努力的方向。
人工智能时代机器在学习方面表现出来的超能力，使其远不再停留于接近人类智慧的阶段，当它在知识的获取量上开始超越人类，人类在数千年的历史长河中获得的知识与之相比将微不足道。人工智能可以在很短时间内获取人类现存的几乎全部知识，不仅如此，它还可以依托其超强的运算能力，发现人类所难以发现的 “暗知识”。暗知识的出现，在我们过去对明知识和默知识的划分之外，开拓了一个新的知识类型。这项研究之所以重要，是因为长期以来，我们是站在人类的立场来思考人工智能，对比人与感知智能和认知智能等方面的近似程度，关注的是弱人工智能和强人工智能向人类智能无限接近的趋势，而较少认真思考如果人工智能完全脱离过去人类已有的知识和经验，进入超人工智能阶段之后，当所有靠人类智力所能企及的发现，机器早已知道答案，并能与人进行互动，这将超越我们过去传统的认知模式。在人工智能时代，面向学习能力超强的机器，面向越来越明显的大脑、意识和机器协同合作的新趋势，传统的 “先学后习” 和 “学习并行” 模式之外，可能会出现新的 “先习后学” 模式。因为人工智能时代的机器不但可以通过模仿人脑和模仿演化学习明知识和默知识，更重要的是它能学习既无法被人类感知又不能表达的暗知识，从而可以在人类学习行动开始之前就先体验各种预设下方法、路径的成效，根据学习者的偏好、习惯等，择优呈现给学习者学习，这将使人机融合下的 “致用以学” 成为现实。
一、 “致用以学” 何以可能：人工智能时代的暗知识及其特点
暗知识是王维嘉博士在《暗知识：机器认知对商业的颠覆》一书中提出的概念，作者将之定义为人类 “既无法感受又无法表达和描述的知识”。例如人工智能技术以其超强的计算能力进行模拟测算、穷举试错等方式所发现掌握，而人类由于各种局限未曾探索和接触，却可以被人工智能机器所了解和运用的知识就是暗知识。暗知识的发现始于2017年的围棋人机大赛。2017年3月，美国谷歌公司研发的围棋对弈程序阿法狗以3：0的绝对优势碾压世界排名第一的围棋棋手柯洁，而数月后研发的升级版本阿法狗零使用 “强化学习” 技术，不再基于任何人类的棋谱经验，从零开始自我对弈，不断迭代升级，随即击败之前所有的阿法狗旧版本。暗知识能够被发现，源于计算能力的倍数增长、数据的大量采集和积累、神经网络算法的突破，它们合力带来了人工智能技术呈爆发式发展。在自然语言处理、学习计算、图像识别等许多方面，机器的许多能力不但已经接近人类，甚至已经超越人类。为此，格雷斯等人甚至专门发布《人工智能何时超越人类》的报告，对现有职业领域超越人类的可能性进行公开预测。当人机在学习上可以分离，机器不再依赖人类既有的经验，它便可以凭借其超人工智能技术超越人类既有的经验，获得机器所掌握而人类还从未探索过的海量的暗知识，这些知识虽然还不曾为人类所获得， “学” 尚未开始，但却可以解决人类遇到的问题，足以证明其有 “用”，值得人类去 “学”。
二、 “致用以学” 何以必要：暗知识的出现对传统知识观的挑战
知识的效用在于能够帮助做出判断和引领行动。传统的知识观认为，知识具有客观性、普遍性和中立性，课程范式中的知识主要被作为一种客观 “事实” 领域，因为它是外在于个体或强加于个体的，属于明知识。暗知识的非感知性、非表达性、非情感性特征决定，它之所以能成为知识而被发现，源于其超越人类知识的作 “用”。这将改变我们对于 “知识” 的传统定义。有人认为：知识是认知主体对客体的感觉和经验的总和，没有认知主体也就没有知识；但是，目前智能机器人并无自我意识，也就不可能拥有真正意义上的知识。依此来判断，人工智能所获取的知识并非真正意义上的暗知识，只是 “人-机知识”，可称之为 “灰知识”，只有当机器具备自我意识以后，暗知识才会真正出现。这很可能只是我们对 “知识” 定义上的拘缚。事实上，随着时代的进步和认知的发展，我们对于 “知识” 的定义一直在发生改变。
在只有明知识才被视为知识的时代，知识通常被视为一种明确的、可获取的资源。传统的知识观认为，人类知识在社会中是以先验形式呈现的，它先于个人经验并为其提供意义秩序。在这种理解下，学习知识主要是通过个人的努力，尽可能真实、准确、更多地储存信息，以方便日后提取。所以，对知识的学习常常被视为知识被挖掘和转移的过程。尽管对知识的认知存在理性主义和经验主义的传统，但人们对知识的关注都集中在个体层面，无论其获得方式是向内反省，还是向外追求，知识都被视为可以为每个人所拥有和掌握的公共信息，以备将来之 “用”，并最终形成 “先学后习” “学以致用” 的模式。
默知识被视作知识的重要组成部分，意味着学习知识的方式不再是普适性的，它带有明显的个性化特征。这项认知造成两个方面的结果：一是每个个体感知和获取知识的方式并不相同。斯洛曼等人提出，人类个体对世界的了解极为有限，知识存在于人类群体之中，我们每个个体都仰仗着别人的专业知识与技能，从他人那里获取经验与智慧，在不同的感知下，每个人获取的知识也必然迥异。二是每个个体呈现和表达知识的方式也不相同。差异性的价值理念、感性认知和文化惯习，将呈现出不同的信息符号，知识也就无法做到完整不变的传递。于是，知识的学习不再试图是学习者进行原样高保真的 “灌输”，而是力求实现 “以学习者为中心” 的知识建构。也就是说，不同的使用方式将获得完全不同的默知识，它是在使 “用” 中成为知识而被 “学”的，它形成 “学习并行” ” 用学并举” 模式。
暗知识在此基础上又向前推进了一步。如果机器所掌握的、不能为人类所表达和感知的也同样属于知识，同样可以用来解决各种问题，机器将与人处于同一位置上。从这一推断出发，余晨将暗知识的概念推广到非机器领域。例如，人类自由市场中存在的 “看不见的手”，它是去中心化的，没有任何一个单一的主体能够掌握和理解市场中的全部信息，对人类而言，它也是一种 “暗知识”。凯利在《失控》一书中提到的蚂蚁、蜜蜂等掌握的信息同样也可以视为暗知识的一部分。这就意味着，获取暗知识的认知主体可以由机器扩大到一切可能与环境发生交互的生物或非生物。正如余晨所言，对于自然界涌现出的种种复杂的生命系统来说，也许 “暗知识” 本来就是一种常态，而人类的未来则取决于我们如何与暗知识相处。人工智能由于其超强的计算能力，可以进行大量的行为组合测试，从中找寻最优解，这决定了具有超人工智能的机器将掌握大量的暗知识，它们可以在其先 “习”之后，于实践中先被机器所 “用”，以验证其有效性，在此基础上选择优化的路径供人类来 “学”，这将使 “致用以学” 成为更为高效的学习模式。
三、 “致用以学” 何以实现：人工智能时代暗知识对传统学习模式的超越
在传统行为主义学习课堂中，学习的目标是掌握明知识和暗知识，技术作为一种学习强化手段而被使用，学习过程常被视为一个 “知识迁移” 的过程。在这种学习模式下，学习者单纯机械地死记硬背各类知识点，信息技术在这些知识外部通过固化的情境模拟，用形象、直观的声音和视频图像将其裹上一层 “糖衣”，以便于学习者消化吸收。人工智能时代暗知识的出现，使机器可以虚构多种实践教学场景供学习者自由选择。人工智能机器可以搜集学习者的个人偏好、学习习惯、知识基础等相关数据，根据学习者所选择的学习目标和主要学习内容，测试不同场景下的学习成效，从中选择最适合、最能高效达到学习效果的虚拟作用场景，并结合学习者的学习目标进行不同情境下的智能建模，推送智能高效的学习计划方案。在这一过程中，场景是多变的，各种可能存在的影响因素都会被考虑进来，学习情境的作用将得以凸显。
在传统学习模式下，学习者要么是 “先学后习”明知识以实现 “学以致用”，在学习开始前常被认为是一张 “白板”，要么是在 “用学并举”中掌握默知识，通过实践模仿学习不断加深对知识的理解和掌握，角色设定统一不变。人工智能时代暗知识的发现，使传统学习模式中先出现过程后获得结果的时序完全可能因
