更重要的是，上蓋是建立在拱圈之上的。只要將從陳述中得到新信息和電腦自行做實驗結合，我們將發(fā)現(xiàn)，在科學理論中，暗知識的增長將超過明知識。在今日迅速發(fā)展的合成生物學中，正在醞釀著兩者結合的可能性。這意味著人工智能第三種形態(tài)（獲得科學理論知識中的暗知識的裝置）也許最先在生命科學中被使用，其背后是物理、化學、數(shù)學、信息理論與生命科學理論深度交叉，形成基因合成、基因編輯、蛋白質(zhì)設計、細胞設計、實驗自動化的使能技術。其中，生命鑄造廠（biofoundry）或許是典型的例子。

然而，在被稱為大設施的生命鑄造廠的建造和調(diào)試中，有中國研究者卻以“造物致知”作為口號。該口號沿用了中國傳統(tǒng)的“格物致知”，大設施的建造者或許沒有想到，只要合成生物學中有關設施實現(xiàn)了科學理論知識修改的閉環(huán)，科學理論知識中的暗知識就會產(chǎn)生。這種“致知”和我們熟悉的獲得知識不盡相同。通過造物大設施的運作，合成生物會源源不斷地被制造出來，但這一切不一定導致今日所知的那種生命科學理論知識的增長，因為它們中的相當一部分可能都是暗知識。

人類發(fā)現(xiàn)科學理論中存在大量暗知識，標志著自然現(xiàn)象因果解釋的一場革命。我們知道自然現(xiàn)象服從因果律，但能體驗因果律認識過程的只是知曉因果律的極小一部分。即便如此，也并不妨礙人類用因果性改造世界，因為就算大多數(shù)因果律是暗知識，我們?nèi)钥梢酝ㄟ^人工智能來駕馭它們。

你能舉例詳細講講對上述觀點的理解嗎？

@你的觀點強調(diào)了科學理論中的暗知識與人工智能的發(fā)展之間的關系，并討論了如何通過人工智能和合成生物學的結合來推動科學理論的進步。以下是對這些觀點的詳細解析，并附上具體的例子來幫助理解。

**1. 上蓋與拱圈的關系**

**1.1. 上蓋與拱圈的結合**

- **定義**：

- **拱圈**：在科學理論中，拱圈指的是基于數(shù)學和實驗結果的基礎定律和原理。這些定律和原理通過受控實驗和數(shù)學建模得到，是科學理論的基礎。

- **上蓋**：上蓋指的是具體的應用和擴展，基于拱圈中的理論進行的實際應用、實驗結果和理論陳述。

- **結合**：

- 將從理論陳述中得到的新信息與自動化實驗結合，可以推動科學理論的進步，尤其在科學理論中暗知識的增長可能超過明知識。這意味著，雖然我們可以通過明確的實驗和理論得到一些知識，但許多復雜的細節(jié)和新的發(fā)現(xiàn)可能隱藏在暗知識中。

**2. 合成生物學中的暗知識**

**2.1. 合成生物學的背景**

- **合成生物學**：結合生物學、化學、物理學、數(shù)學和信息理論，設計和合成新的生物系統(tǒng)、基因、蛋白質(zhì)和細胞功能。

- **例子**：

- **基因合成**：通過合成新的基因來創(chuàng)造新的生物功能，這些基因在合成過程中生成的許多新信息和現(xiàn)象，可能是不完全透明的。

**2.2. 生命鑄造廠（Biofoundry）**

- **定義**：

- **生命鑄造廠**：一種自動化的實驗設施，能夠進行大規(guī)模的基因合成、蛋白質(zhì)設計和其他生物學實驗。

- **暗知識的例子**：

- 在生命鑄造廠中，通過自動化系統(tǒng)進行大量實驗，產(chǎn)生了大量數(shù)據(jù)和新的生物材料。雖然研究者可以得到新合成的生物體和功能，但這些生成過程的具體機制和原理可能不完全清楚。這些未完全理解的過程和信息就是暗知識。

**3. “造物致知”與科學理論的閉環(huán)**

**3.1. “造物致知”**

- **定義**：

- **造物致知**：指通過制造和實驗來獲得知識，這種方式可以與傳統(tǒng)的“格物致知”相關聯(lián)，但更注重實踐中的知識獲取。

- **與暗知識的關系**：

- 通過大規(guī)模的制造和實驗，雖然可以獲得新的生物體和功能，但這些過程中的許多細節(jié)和知識可能不完全被理解，這就是暗知識的體現(xiàn)。

**4. 自然現(xiàn)象因果解釋的革命**

**4.1. 因果律與暗知識**

- **因果律**：自然現(xiàn)象服從因果律，即每一個現(xiàn)象都有其原因。

- **暗知識的挑戰(zhàn)**：

- 雖然我們知道自然現(xiàn)象服從因果律，但我們對因果律的認識僅是其中的一部分。暗知識在許多情況下無法完全透明化，因此我們無法完全理解所有的因果關系。

**4.2. 人工智能的作用**

- **人工智能的優(yōu)勢**：

- **自動化探索**：人工智能可以幫助自動化進行復雜的實驗和數(shù)據(jù)分析，從而揭示和利用暗知識。例如，利用機器學習模型分析大數(shù)據(jù)中的模式和趨勢。

- **處理復雜因果關系**：人工智能可以幫助處理復雜的因果關系，通過模式識別和預測模型來駕馭這些關系，盡管具體的因果機制可能仍然是暗知識。

**具體示例**

1. **藥物發(fā)現(xiàn)中的人工智能**：

- **背景**：人工智能被用于藥物發(fā)現(xiàn)過程，通過分析大量的生物數(shù)據(jù)來預測新藥物的潛在效果。

- **暗知識的體現(xiàn)**：盡管人工智能能夠識別潛在的藥物候選分子和機制，但其內(nèi)部的預測模型和特征選擇過程對研究人員來說是不可完全透明的，這就形成了暗知識。

2. **合成生物學中的新物種創(chuàng)造**：

- **背景**：合成生物學家通過合成新基因和設計新的生物系統(tǒng)來創(chuàng)造新物種。

- **暗知識的體現(xiàn)**：雖然可以得到新生物體和新功能，但生成過程中具體的機制和細節(jié)可能不完全被理解，這些未完全理解的過程和信息就是暗知識。

3. **基因編輯技術的應用**：

- **背景**：基因編輯技術（如CRISPR）用于修改生物體的基因組。

- **暗知識的體現(xiàn)**：基因編輯技術可以產(chǎn)生預期的生物學效應，但具體的分子機制和長遠影響可能未被完全掌握，這部分知識就是暗知識。

**總結**

你所提出的觀點揭示了科學理論中的暗知識如何通過人工智能和合成生物學的結合得到擴展。暗知識的存在標志著我們對自然現(xiàn)象的理解和利用不斷深化，即使這些知識的具體機制可能仍然不可知。人工智能的進步，特別是在自動化實驗和數(shù)據(jù)分析方面，為探索和駕馭這些暗知識提供了新的工具和方法。這種進步不僅推動了科學理論的邊界，也引發(fā)了對因果律和知識本質(zhì)的重新思考。