真实性哲学将其准确地定义为从符号系统得到的可丈量信息，必须包含受控实验和受控不雅观察得到的可丈量信息。
当科学理论是立足于普遍可重复的受控实验时，履历知识和理论知识的修正模式也是确定的，它可以和末了得到的科学理论知识分离。
换言之，科学理论知识中也存在暗知识。
同样，只要设计出得到这种暗知识的装置，该装置也就具有主体得到和利用科学理论知识的能力。

主体得到和利用知识的能力长期被视为人的智能，暗知识的存在及其占科学知识的比例越来越大，意味着人发明某种仪器或方法（装置）来取代或放大人的智能，它们是人工的智能。
由于一种暗知识对应一种人工智能，而存在着三种不同类型的暗知识，据此，当然可以得出一个结论：无论人工智能多么繁芜，它们只有三种不同的类型，即得到科学履历中暗知识的装置、得到数学中暗知识的装置，以及得到科学理论中暗知识的装置。

你能举例详细讲讲对上述不雅观点的理解吗？

你提到的不雅观点涉及科学理论知识、暗知识、以及人工智能的关系。
让我们详细磋商这个不雅观点，并通过实例解释。

一、科学理论知识与暗知识

1、科学理论知识的获取

- 科学理论知识：科学理论知识是通过科学方法、符号系统以及履历不雅观察来建立的理论框架。
它包括理论模型、假设、定律和方程等，用于阐明和预测自然征象。

- 方法与路子：得到科学理论知识的方法包括数学建模、符号推理和履历验证。
主体可以通过以下步骤得到科学理论知识：

1.1符号构造：建立符号模型（例如，方程、符号逻辑）来描述自然征象。

1.2履历构造：通过实验和不雅观察来验证模型的精确性。

1.3 修正：根据实验结果修正理论或符号模型，以提高理论的准确性。

2、暗知识的存在

- 暗知识定义：在科学理论中，暗知识指的是主体在终极得到科学理论知识的过程中，不能或不须要完备理解其得到方法的知识。
例如，主体可以理解理论的终极结论，但对理论的推导过程、数学推演的每一步骤、以及详细的实验细节可能不理解。

- 实例：科学理论如量子力学的繁芜数学推导，主体可能只需知道理论的运用和实验结果，而不必完备理解每个数学步骤或实验细节。
这部分未被直接理解的知识即为暗知识。

二、人工智能与暗知识

1、人工智能的浸染

- 人工智能的类型：人工智能可以分为三种类型来得到不同类型的暗知识：

1.1.科学履历中的暗知识：例如，利用机器学习算法来处理和剖析实验数据，模型可以创造数据中的模式，但人类可能无法完备理解算法如何得出这些模式。

1.2 数学中的暗知识：例如，利用打算机代数系统（如Mathematica或Maple）来进行繁芜的数学打算，主体可以得到结果，但不必亲自进行每一步打算。

1.3科学理论中的暗知识：例如，利用符号推理系统（如自动定理证明器）来证明繁芜的数学定理，主体可以接管终极证明结果，但不须要理解每个证明步骤。

2、详细实例

2.1得到科学履历中暗知识的装置

- 示例：实验室中的自动化数据剖析系统，如高通量筛选设备。
这些系统能够处理大量实验数据并提取有用的信息。
研究职员可以得到结果，但对系统如何进行数据处理和剖析的详细步骤可能不理解。

2.2得到数学中暗知识的装置

- 示例：打算机代数系统（CAS）如Mathematica。
研究职员利用CAS进行繁芜的符号打算，如求解非线性方程组。
只管终极结果对研究职员有用，但打算过程中的每个步骤和内部算法对他们来说可能是黑箱。

2.3得到科学理论中暗知识的装置

- 示例：自动定理证明器（如Coq或Lean）。
这些工具可以自动证明数学定理或科学理论中的繁芜逻辑推理。
利用者可以接管证明结果，但可能无法详细理解推理的每一步。

三、总结

你提到的不雅观点揭示了以下几个主要观点：

1. 科学理论知识与暗知识：科学理论知识的终极结果可能与获取过程分离，这种分离形成暗知识。
主体可能只得到终极的科学理论知识，而无法理解详细的获取过程。

2. 人工智能与暗知识：人工智能的不同类型可以用于得到不同领域中的暗知识，包括科学履历、数学和科学理论。
人工智能系统可以替代或放大人的智能，通过符号打算、数据处理或自动推理来天生知识，而主体只得到终极结果，获取过程可能完备不透明。

3. 三种暗知识类型：无论人工智能多么繁芜，它们对应于三种不同类型的暗知识：科学履历中的暗知识、数学中的暗知识、以及科学理论中的暗知识。

通过这些实例和解释，我们可以看到，科学知识的扩展和繁芜化确实导致了暗知识在科学研究中的主要性日益增加，同时也推动了人工智能技能的发展和运用。