一个领域深耕10年的专家，把毕生所学浓缩成1小时演讲，台下听众记住的往往不到3%。这不是态度问题，是大脑结构决定的。
认知科学家做过一个经典实验：让国际象棋大师回忆真实棋局，准确率超过90%；但棋子随机摆放时，他们和新手表现一样差。专家的"超能力"高度依赖特定语境，一旦脱离熟悉的棋盘，知识就像被格式化过的硬盘——数据还在，读取接口全错。
压缩知识的代价：细节就是生命线
专家思考时依赖大量"隐性知识"——那些没写进论文、没录进视频的直觉判断。一位资深外科医生"感觉"肿瘤边界的方式，他自己都说不清，更别提教给住院医师。
当知识被压缩成PPT、文章或短视频，这些隐性层被优先牺牲。结果就像把三维地图压成二维：地标都在，但等高线消失了。新手拿着这张"地图"走到悬崖边，才发现少了关键信息。
更隐蔽的是"诅咒知识"效应。斯坦福心理学家发现，一旦掌握某件事，人就会严重低估学习它的难度。专家觉得"显而易见"的步骤，往往是新手卡壳48小时的地方。这不是傲慢，是认知系统的bug——大脑会自动清理"已掌握"标记的细节，腾出空间给新信息。
社交距离的放大器
知识传递还受权力结构扭曲。 junior员工不敢追问"基础问题"，怕暴露无知； senior专家忙于维护权威，倾向于用术语筑墙。双方默契地表演一场"我懂了你懂了"的戏码，实际信息传输效率极低。
互联网理论上打破了物理围墙，但社交围墙更高了。线上交流缺失微表情、停顿、即时反馈，专家更难感知听众的困惑点。一篇爆款科普文收获10万+阅读，评论区最常见的却是"所以到底怎么做"——信号在传输中严重衰减。
那AI能修这座桥吗
部分研究者持谨慎乐观。大语言模型没有"诅咒知识"，可以无限耐心拆解概念；它们也不在乎面子，被追问100遍基础问题不会不耐烦。但风险同样明显：AI可能生成看似合理实则错误的"幻觉"内容，而新手缺乏辨别能力。
更深层的问题还没解决。专家真正的价值不仅是传递信息，而是在不确定中做判断——"这种情况我见过，虽然数据不全，但建议先保A弃B"。这种基于经验的决策，目前任何技术都难以复制。
一位做了15年技术转译的产品经理告诉我，他最成功的项目从来不是"把专家的话翻译成人话"，而是让专家和新人在同一个房间里，共同解决一个具体问题。语境共享了，隐性知识才有机会漏出来。
如果AI能模拟这种"共境学习"——不是单向灌输，而是让新手在仿真环境中试错，专家在旁实时纠偏——或许才是突破人类认知极限的真正路径。问题是，愿意把犯错过程暴露给机器的人，有多少？
热门跟贴