当我们谈论技术时，通常指的是人工智能、机器学习和自动化系统等。这些技术可以模拟和执行许多认知任务，如数据分析、自然语言处理和图像识别。它们在特定任务上的表现可以非常出色，但它们仍然局限于程序设计者事先设定的规则和算法。

真实智能通常指的是类似于人类思维和决策的能力，具有自主学习、推理和情境适应能力的特征。这种智能能够处理复杂的情境和未知的问题，而不仅仅是简单地执行预设的任务。

当前的科学技术虽然在某些人工智能任务上非常强大，但它们仍然缺乏真正的理解和自主决策能力。机器学习模型依赖于大量数据和训练来进行推断和预测，但它们并不具备人类那种深刻的直觉和情感智慧。科学技术对真实智能的贡献是有限的，但随着复杂领域（包括科技和非科技）研究的进展和算法的改进，我们可能会看到更接近真实智能的系统出现。这可能涉及更复杂的多学科交叉、学习模型、神经科学的启发和更高级的自主学习算法。

科学的依据并不是知晓一切的预设。科学方法基于观察、实验和理论构建，致力于解释自然现象并预测其行为。科学通过验证和重复性来建立知识，因此具有一定的客观性和可验证性。假设我们能用科学方法彻底理解一切现象和规律，这是一个理论上的假设，通常被视为不切实际。因为人类的认知能力和科学方法都有其局限性，有些现象可能超出我们当前的观测和理解范围。

如果将科学视为唯一的知识获取方式，并认为其能解释一切，这可能导致一种傲慢的态度，即不承认其他形式的知识或解释的可能性。这种态度可能会忽略文化、哲学、艺术等领域的重要性，这些领域可能通过非科学的方法探索人类经验和价值。将一切问题都归结为科学可以解释的范畴，忽视了人类情感、道德、价值观等非科学领域的影响。这种观念可能会削弱我们对复杂问题的全面理解，因为不少问题可能超出了科学方法单独能够解释的范围。

科学是一种强大的工具，但它并不是解决所有问题的唯一方式。哲学、文化研究、宗教和艺术等领域提供了不同的视角和理解方式，有助于人类探索更广泛和深刻的问题。将科学与这些领域的知识相互补充和整合，可以更好地理解和解决复杂的现实问题。

总结来说，理解科学的能力以及认识到科学并非解答真实智能问题的唯一路径，是培养健康、全面的认知态度的关键。科学技术在模拟某些智能方面已经取得了显著进展，但要实现真正的智能，还需要超越当前的算法和计算能力。理解和模拟人类思维的复杂性是一个长期的复杂领域挑战，需要跨学科的研究和创新。因此，技术对于真实智能的发展虽然有限，但仍然是探索和推动这一领域的关键驱动力之一。