เราเก็บข้อมูลที่ดูเหมือนว่าจะมีประโยชน์ เราอ่านหนังสือ เก็บบทความ บันทึกการประชุม และสะสมภาพถ่ายกับโน้ต การเปลี่ยนเป็นดิจิทัลทำให้ปริมาณที่เราสามารถจัดเก็บเพิ่มขึ้นอย่างมาก และ AI ก็ทำให้การค้นหาข้อมูลที่ต้องการจากชุดข้อมูลขนาดใหญ่ทำได้ง่ายขึ้น ถึงกระนั้น “ความรู้ที่เรามีแต่ใช้ไม่ได้” ก็ยังไม่หายไป เราอาจลืมไปว่าเคยเก็บมันไว้ หรือค้นพบมันแต่ไม่รู้ว่ามันเกี่ยวข้องกับปัญหาที่เรากำลังเผชิญอยู่อย่างไร
ความหมายของความรู้เปลี่ยนไปตามความสัมพันธ์ที่มันถูกวางไว้ สมมติว่าแนวคิดอย่าง “ทดลองในขนาดเล็กก่อนแล้วจึงขยาย” เคยดูเกี่ยวข้องเพียงในฐานะวิธีการทำงาน ต่อมาเมื่อเริ่มกิจกรรมในชุมชน แนวคิดเดียวกันอาจเชื่อมโยงกับวิธีเริ่มต้นด้วยผู้เข้าร่วมจำนวนน้อย ถ้อยคำของความรู้ไม่ได้เปลี่ยนไป แต่การเชื่อมโยงมันเข้ากับคำถามใหม่ทำให้มันมีคุณค่าที่แตกต่างออกไป คุณค่าของความรู้ไม่ได้ถูกกำหนดเพียงในขณะที่มันถูกจัดเก็บเท่านั้น
เรื่องนี้ยังส่งผลต่อวิธีที่เราควรจัดระเบียบความรู้ด้วย การจำแนกตามหัวข้อมีประโยชน์ แต่ความรู้เดียวกันอาจเกี่ยวข้องกับคำถามหลายข้อ งานวิจัยด้านสุขภาพอาจช่วยในการออกแบบวิธีการทำงาน ขณะที่ตัวอย่างจากด้านการคมนาคมอาจกลายเป็นข้อมูลสำหรับคิดเรื่องความเป็นธรรมในชุมชน หากทุกอย่างถูกจัดไว้อย่างเรียบร้อยบนชั้นเพียงชั้นเดียว ความสัมพันธ์ที่ข้ามสาขาเช่นนี้จะมองเห็นได้ยาก คำตอบไม่ใช่การยกเลิกการจำแนก แต่คือการรักษาพื้นที่สำหรับการเชื่อมโยงใหม่ข้ามการจำแนกเหล่านั้น
AI สามารถช่วยในการเชื่อมโยงใหม่นี้ได้ โดยเริ่มจากคำถามปัจจุบัน AI สามารถค้นหาสิ่งที่อาจเกี่ยวข้องจากบันทึกในอดีตและความรู้จากสาขาอื่น แล้วนำเสนอในรูปแบบที่มนุษย์สามารถเปรียบเทียบได้ แต่บางสิ่งไม่ได้กลายเป็นความรู้ที่มีความหมายเพียงเพราะ AI ตัดสินว่า “เกี่ยวข้อง” คำที่คล้ายกันอาจปรากฏภายใต้เงื่อนไขที่ทำให้แหล่งข้อมูลนั้นไม่เกี่ยวข้อง ในทางกลับกัน คำที่แตกต่างกันอาจอธิบายปัญหาที่มีโครงสร้างคล้ายกัน การเชื่อมโยงจึงต้องอาศัยการพิจารณาที่มากกว่าการค้นคืน
ความรู้ยังได้รับการปรับปรุงผ่านการนำไปใช้ เมื่อนำแนวคิดหนึ่งไปใช้กับปัญหาจริง เราจะเห็นเงื่อนไขที่มันใช้ได้ผลและเงื่อนไขที่มันใช้ไม่ได้ผล หากเชื่อมโยงผลเหล่านั้นกลับไปยังความรู้เดิม การนำไปใช้ครั้งต่อไปก็สามารถเริ่มต้นด้วยบริบทที่สมบูรณ์ยิ่งขึ้น หากความรู้ถูกเก็บไว้เพียงในฐานะคำตอบที่เสร็จสมบูรณ์ การเปลี่ยนแปลงนี้จะสูญหายไป การเชื่อมโยงคำถาม การนำไปใช้ การตัดสิน และผลลัพธ์เข้าด้วยกัน ทำให้ความรู้เติบโตไปพร้อมกับประสบการณ์ได้
นี่คือเหตุผลที่ Sai＊aus Labo มองความรู้ไม่เพียงเป็นบทความที่แยกออกจากกัน แต่เป็นเครือข่ายของความสัมพันธ์ หากบทความหนึ่งไม่ได้เพียงเชื่อมลิงก์ไปยังอีกบทความหนึ่ง แต่สามารถเชื่อมโยงกันผ่านคำถามที่มีร่วมกัน จุดที่มุมมองแตกต่างกัน และเงื่อนไขที่จำเป็นต้องปรับปรุงความเข้าใจเดิม ความรู้ในอดีตก็จะกลายเป็นวัตถุดิบสำหรับคำถามถัดไป ทุกครั้งที่มนุษย์ตัดสินใจใหม่ ก็ยังสามารถเปิดพื้นที่ให้ความสัมพันธ์เหล่านั้นได้รับการปรับปรุงด้วย
ในวงจรนี้ การเติบโตไม่ได้หมายถึงเพียงการเพิ่มขึ้นของปริมาณความรู้ การทำให้ความสัมพันธ์ระหว่างความรู้เก่าและใหม่ชัดเจนขึ้น การค้นพบจุดร่วมระหว่างปัญหาที่เคยคิดว่าแยกจากกัน หรือในทางกลับกัน การพบความแตกต่างของเงื่อนไขระหว่างสิ่งที่เคยคิดว่าคล้ายกัน ก็เป็นการเติบโตได้เช่นกัน แม้ปริมาณที่จัดเก็บจะเท่าเดิม หากวิธีเชื่อมโยงความรู้เปลี่ยนไป ความเข้าใจที่เกิดขึ้นจากมันก็จะเปลี่ยนไปด้วย
ความรู้มีศักยภาพเพียงเพราะเรามีมันอยู่ แต่ศักยภาพนั้นจะกลายเป็นความเข้าใจจริงเมื่อมันพบกับคำถามใหม่และเชื่อมโยงกับความรู้หรือประสบการณ์อื่น ในยุคที่ AI จัดการกับความรู้ สิ่งสำคัญไม่ใช่เพียง “จำได้มากแค่ไหน” แต่คือ “เมื่อจำเป็น เราสามารถสร้างความสัมพันธ์ใดขึ้นใหม่ได้บ้าง” แม้เราจะยังไม่รู้คำถามของอนาคต การรักษาพื้นที่ให้ความรู้สามารถเชื่อมโยงกันใหม่ได้ ก็สามารถเปลี่ยนข้อมูลที่ถูกเก็บไว้ให้เป็นความรู้ที่มีชีวิตได้
ไม่ใช่คำตอบ แต่คือความเข้าใจ