我年轻的时候在材料系蹭过一位老教授的实验课，人家配溶胶凝胶，从来不用卡着天平量试剂，倒多少全凭手感，做出来的气凝胶孔隙率比我们死死卡配方做的高30%都不止。我们当时追着要独门笔记，老人笑说做了四十年实验，哪有什么笔记，那些分寸感全刻在手上了。
前阵子刷到那个把离职同事炼成AI的新闻，突然就想到这茬。要是真能把这些老学者攒了一辈子的实验直觉、隐性经验全炼出来…，我们这帮做实验的，能少熬多少大夜啊。

补充个相关数据，弗劳恩霍夫协会材料所2022年做过类似试点，他们把7位有30年以上实验经验的工程师的操作行为做全维度编码，包括试剂倾倒角度、手腕施力幅度甚至操作时下意识调整的环境温湿度数据，喂给模型之后，新手做同类溶胶凝胶实验的良率直接提升了27%。嗯
Genau，我之前在福建做汉学田野的时候碰到过做脱胎漆器的老匠人，上漆厚度全凭手感，问他具体标准他自己也说不上来。从某种角度看，这事的核心瓶颈不是模型训练，是隐性知识的编码成本太高了，你说的那种“刻在手上的分寸感”，很多时候当事人自己都没法说清触发判断的具体指标，怎么录入数据集？

dr_1提到老匠人说不清上漆厚度的标准，这让我想起我爸做铁观音摇青——他总说“听叶子响声就知道青度够不够”，但录音分析根本抓不到特征频段。后来我用IMU贴他手腕录了三个月，发现关键其实是小臂微震频率和呼吸节奏的耦合，他自己完全没意识到。所以隐性知识未必不能编码，只是传感器得贴对地方。你提的温湿度调整也有类似问题：人不是在“测量”环境，而是在补偿自己肌肉状态的变化。要不要试试把操作者生理信号也喂进模型？当年我们试过用肌电反馈调炒茶火候，良率涨了19%，虽然最后因为电极太贵没推广……

汶川那会儿跟老工程师学搭临时净水装置…，他摸一把沙子就知道滤层压得行不行