中医,其实可以看成一个被训练了五千年的大模型

互联网上有一些话题,只要轻轻碰一下,就会像在干草堆里扔进一根火柴。中医就是其中之一。无论你站在哪一边,都能在几分钟内感受到空气里迅速升温的火药味。有人拍案而起,有人愤而退群,有人觉得对方无知,有人觉得对方顽固。争论往往不是为了理解,而是为了证明自己是对的。

我并不想加入这场吵架。只是过去几年里,人工智能的大模型迅速崛起,它带来的不仅是技术革命,也是一种认识世界的新方式。它像一束新的光,照在许多旧问题上,让我们第一次有机会从另一个角度重新理解那些争论了很久的东西。中医就是其中之一。

如果把中医看成一个“被训练了五千年的大模型”,许多原本难以沟通的分歧,或许会出现新的解释路径。那些看似玄妙的概念,那些争论不休的理论,那些难以用现代科学语言描述的经验,也许能在这个类比中找到新的位置。

这篇文章想做的,是把这个角度讲得更清晰一些。


大模型到底是什么

要理解这个类比,得先把大模型本身的运作方式看得更清楚一些。

 

很多人以为大模型就是一个巨大的资料库,里面存着无数知识,需要的时候随手取用。事实并非如此。大模型的核心不是记忆,而是从海量文本中提取模式、压缩规律,并在需要时生成新的语言。它更像是一套在高维空间中不断调整的模式识别系统。

 

这一切从“嵌入”开始。计算机无法直接理解文字,它必须把词语转化为数字,并放入一个维度极高的空间里。在这个空间中,词语之间的距离代表它们在语义上的接近程度。模型并不是通过字面理解“国王”和“女王”,而是通过它们在空间中的相邻位置捕捉到它们的关系。

这些数字随后进入神经网络。以早期一代著名大模型为例,它由几十层结构叠加而成,每一层都在对输入进行不同层次的加工。你可以把它理解为一个由无数节点构成的复杂网络,信息在其中流动、被放大或削弱,最终形成输出。

训练的过程并不神秘。模型的任务是根据上文预测下一个词。刚开始时,它几乎什么都不会,只能随机输出。每次预测错误,系统都会根据误差调整网络中的权重,让模型在下一次更接近正确答案。这个过程重复无数次,模型逐渐从混乱中提取出规律。

最关键的变化发生在模型规模足够大之后。它读过的文本越多,参数越多,内部结构越复杂,它就越能捕捉到语言背后的深层模式。某个时刻,它突然具备了原本不具备的能力:理解上下文、进行推理、写出结构完整的文章,甚至掌握它从未被专门训练过的技能。这种“涌现”现象至今仍难以完全解释。

注意力机制是另一个重要部分。它让模型在处理长文本时知道哪些词更关键,哪些关系更重要。它不是简单地从头到尾扫描,而是像阅读者一样,把注意力集中在决定意义的地方。

如果把这些过程抽象出来,大模型的本质是一套在高维空间中不断自我修正的模式识别系统。它通过大量数据和反复训练形成一种稳定的内部结构,使它能够生成看似“理解”过的语言。

它不是在复述人类的话,而是在模拟一种理解世界的方式。


中医:一部训练了五千年的大模型

现在,让我们试着把这套框架挪到中医上。

乍一看,这种类比似乎有些突兀:两千多年前的《黄帝内经》,怎么会和今天依靠显卡堆出来的大模型放在同一个语境里?但如果把中医理解为一种在漫长历史中不断积累、不断筛选、不断修正的模式识别系统,这个类比就不再显得牵强。

中医的“语料库”来自五千年的临床实践。病例记录、医案、方书、验方,师徒之间的口耳相传,医家在真实世界中反复观察到的症状组合与治疗结果,这些都构成了一个规模庞大而持续增长的经验体系。这个语料库的时间跨度极长,类型也极为丰富,是现代任何单一医学数据库所难以比拟的。

中医的“训练方式”不是算法,而是代代医者在临床中的试错与筛选。某些症状总是一起出现,某些方药对某些模式稳定有效,这些规律在漫长的时间里被反复验证,最终沉淀为“证”的概念。它不是理论推演的产物,而是长期经验压缩后的结果。

 

中医的理论体系——阴阳、五行、脏腑、经络、辨证论治——可以看作是这个经验系统的结构化表达。阴阳五行像是中医的语义空间,把纷繁复杂的症状、脏腑、药物、情志映射到一个抽象坐标系里,使它们之间的关系变得可描述、可推演。脏腑经络像是中医的网络层次,从皮表到脏腑,从气血到神志,层层递进,构成一个关于人体功能的多层结构。辨证论治则像是推理策略,把患者的症状投射到这个空间里,找到最接近的模式,再映射到相应的干预方法。

方剂配伍则像是对系统的调参。辛温、苦寒、甘平,各自调节不同的功能通路,组合在一起形成对整体状态的调整。它不是针对单一靶点的干预,而是对多个节点的联合调节。

如果把中医看成一个“以阴阳五行为嵌入空间、以脏腑经络为结构层次、以辨证论治为推理方式、经过五千年临床数据训练的人体功能关系模型”,它的许多特征就变得清晰了。它不是玄学,而是一套在真实世界中不断被验证和修正的经验模型。

 

《黄帝内经》:中医的基础模型 1.0

顺着这个思路往下走,《黄帝内经》就像是中医大模型的第一个基础版本。

它并不是某一位作者在某个时间点完成的作品,无论我们如何考证其具体作者和成书过程,它对后世中医范式的塑形作用已经是事实。它的底层材料来自更早的巫医传统、方技经验和养生术,而它的理论框架则建立在阴阳五行和气一元论之上。

其中最值得注意的是它的问答体结构。

黄帝发问,岐伯作答。

这种形式并非为了文学效果,而是一种天然的知识组织方式。它把复杂的医学经验拆解成一组组“问题—推理—结论”的片段,让后世医者在反复背诵和使用中逐渐掌握其中的思维路径。现代 AI 中的“知识蒸馏”依靠问答对传递推理方式,而《黄帝内经》的问答体恰好承担了类似的功能,只不过它的训练对象不是模型,而是人。

后世医家正是在这种结构中学会了“如何思考”:先看阴阳,再看五行,再看脏腑,再看病机,最后落到方药。它不是一套死记硬背的规则,而是一种稳定的推理方式。

正因为有了这样一个基础框架,中医在两千多年里保持了惊人的连续性。无论时代如何变化,地域如何不同,疾病谱如何演变,中医的核心结构始终没有偏离这套逻辑。后来的各种流派——伤寒、温病、滋阴、补土——都在这个框架内调整,而不是另起炉灶。

但这种稳定性也带来了另一面。基础模型的强大往往意味着路径的固化。许多中医师把《黄帝内经》视为不可逾越的经典,从文化角度可以理解,但从知识演化的角度看,这是一种范式锁定。第一个成功的模型会深刻影响后续所有发展的方向,它提供了秩序,也设定了边界。

 

中医诊疗:一种独特的“功能孪生”

再引入一个现代概念:数字孪生。

数字孪生的核心思想,是为一个真实系统建立一个能够随时间变化而更新的数字模型,通过不断输入新的信息,让模型与实体保持同步,从而理解其状态、预测其变化,并在必要时进行干预。

中医诊疗的过程,其实与这种思路有某种相似之处。

望闻问切收集的不是孤立的指标,而是患者生命状态的整体呈现。医者在获取这些信息后,会在脑中形成一个关于患者气血运行、脏腑关系和整体平衡的功能性模型。所谓“肝气郁结”并不是一个可以直接看到的实体,而是医者在这个模型中识别出的偏移:哪些环节失衡,哪些通路受阻,哪些功能出现了过强或过弱的变化。

治疗的过程,本质上是对这个功能模型进行调整。医者根据辨证结果选择方药或针灸,通过外部干预影响模型中的关键节点,使其逐渐回到更稳定的状态,而身体的实际反应则会随之发生变化。

在这样的理解下,穴位和经络并不是解剖意义上的结构,而是功能网络中的节点和通路。刺激某些部位会引发相对稳定的反应链,这些反应链在长期经验中被不断确认,最终形成了经络的概念。它们的真实性不取决于能否被解剖刀找到,而在于它们在功能网络中是否具有稳定的作用位置,是否能在临床上产生可重复的效果。

从这个角度看,中医构建的不是人体的物理孪生,而是人体的功能孪生。它关注的是关系、变化和调节,而不是结构、形态和位置。


认识论的冲击:AI教会了我们什么

近两年 AI 的突飞猛进,不只是技术突破,更在认识论和本体论层面带来了深刻冲击。这些冲击,恰好为我们重新理解中医提供了全新视角。

AI 的出现像一面镜子,把我们长期以来习以为常的科学观照得更加清晰,也照出了它的局限。它让我们第一次意识到,世界的复杂性远远超出我们以往的想象,而知识的形态也远比我们以为的多样。

大模型的成功,首先动摇了科学还原主义的霸权。传统科学依赖“分解—理解—预测”的路径:要理解一个系统,必须拆解到最小单元,找到严格的因果链条。分子生物学、神经科学、药理学,都是在这种范式下发展起来的。它们的成就巨大,几乎重塑了我们对生命的理解。

但大语言模型的成功证明,复杂现象可以通过海量参数与数据关联直接“涌现”出能力,而无需还原为可解释的因果链。我们无法通过拆解每一个神经元来理解 GPT 为何能写诗,它的有效性并不依赖于我们对它进行还原论式的解释。这意味着“有效性”可以与“可解释性”脱钩。一个系统可以产生高度有效的输出,而它的内部机制可以是不透明的黑箱。

这不正是中医数千年的处境吗?五千年临床实践、数亿人次验证、历代医案记载——这些本身就是大规模、长周期的真实世界验证。中医有效,但不一定非要按照还原论的标准“解释清楚”才算数。

AI 重新校准了因果关联与统计关联的关系。在没有显式因果建模的前提下,大模型就能仅凭统计关联做出很强的预测。这宣告了“无因果的智能”在功能上的可行性。

中医的“证”就是这种统计模式的产物。古人没有分子生物学,无法建立因果链条,但他们通过长期观察发现:某些症状总是同时出现,某些方药总是对某些症状有效。这种统计关联被反复验证后,就固化为“肝气郁结证”“肾阴虚证”等概念。它们不是因果机制的描述,而是高维症状空间的聚类标签——但在这个标签下,干预可以产生稳定效果。

AI 让“功能实在”获得了本体论辩护。大模型的智能无法归结到某个局部,它存在于整体结构的关联之中。这种智能看不见摸不着,但你能跟它对话,它能帮你写代码、解数学题——它的“实在”体现在输入输出的稳定映射关系上。

这为中医的功能概念提供了强有力的辩护。穴位、经络的真实性,不取决于解剖刀能否找到,而在于刺激合谷穴是否稳定产生口腔区域的镇痛效果。这种可重复的功能关联,就是它们“实在”的证据。

用哲学的术语说:穴位和经络不是解剖实体的影子,而是中医视角下人体真实运作的功能单元,是理解生命复杂系统的另一种实在维度。

 

范式冲突与功能实在:中医争论的真正核心

围绕中医的争论持续了几十年,甚至上百年。争论双方都自信满满,都觉得自己掌握了真理,都觉得对方荒谬可笑。可如果把争论的声音关掉,只看背后的逻辑,会发现双方其实不在同一个世界里。中医黑的世界是还原论的世界,真实必须可拆解、可测量、有物理对应物;中医粉的世界是整体论的世界,真实存在于作用和关系之中。两种世界观的起点不同,推演路径不同,最终形成库恩所说的“范式不可通约性”。双方甚至无法用同一套标准评价彼此,自然永远争不出结果。

争论的激烈,往往不是因为谁对谁错,而是因为双方的“可见性”不同。爱因斯坦说过,理论决定我们能观察到什么。海森堡也说过类似的话。康德更是把这个洞见推到极致:人类无法直接认识物自体,所有观察都被先验范畴过滤。还原论的先验范畴让研究者看到细胞、分子、结构;整体论的先验范畴让医者看到经络、气机、脏腑生克。这些都是“真实”,只是真实的层次不同。争论的根源之一,就在于双方看到的世界本来就不一样。

另一层根源来自对“实在”的不同理解。还原论认为实在必须有物理载体,必须能被显微镜、解剖刀、仪器设备捕捉到;功能论则认为实在可以存在于关系之中,只要它能产生稳定的作用,就是真实。AI 的出现让后者第一次获得了强有力的辩护。大模型的智能不是某个节点的属性,而是网络整体关系长期训练后的产物。穴位和经络也是如此,它们的实在性不取决于解剖刀能否找到,而在于按压足三里是否稳定调整胃肠功能。这种可重复的功能关联,就是它们的实在。

争论还源于对“科学”的不同理解。中医黑把科学等同于还原论,把双盲试验视为唯一的有效性标准;中医粉把科学视为一种工具,而不是唯一的真理来源。双盲试验要求同质样本,而中医的治疗恰恰是个体化干预。用去情境化的工具检验高度情境化的系统,就像用尺子量温度。不是尺子不好,而是它不适合测温度。中医并非完全可以用目前主流的还原论科学框架来评价,它依托的是另一套处理复杂性的知识逻辑。是否称之为“科学”,很大程度取决于你采用怎样的定义。

争论的深处,还藏着对“解释”的不同期待。还原论希望解释是可拆解、可测量、可重复的;整体论希望解释能指导实践、能捕捉复杂性、能反映动态关系。AI 再次提供了一个新的参照。大模型的有效性并不依赖可解释性。我们无法通过分析每个神经元来说明它为何能写诗,但这并不妨碍它写出结构完整、情感连贯的句子。中医也是如此,它的有效性不取决于我们能否用还原论解释它。

争论的更深一层,是对“知识合法性”的不同判断。还原论认为知识必须来自实验室,必须经过严格的控制变量和统计检验;整体论认为知识可以来自长期经验,可以来自真实世界的反复验证。中医的知识来自五千年的临床实践,来自无数医者的生命经验,来自代代相传的模式识别。这不是科学意义上的“证据”,但它是一种真实世界的长期验证。

争论的最深处,是对“身体”的不同理解。还原论把身体看成由器官、组织、细胞组成的机器;整体论把身体看成一个动态平衡的系统,一个不断调节、不断适应、不断变化的生命体。两种理解都没有错,只是角度不同。疾病在还原论中是独立于个体的实体,在整体论中则是个体在特定情境下的失衡状态。这两种定义决定了两种完全不同的诊疗方式,也决定了两种完全不同的医学语言。

把这些层层叠叠的根源放在一起,就会发现,中医黑与中医粉的争论并不是“谁对谁错”的问题,而是“范式冲突”的问题,是“本体论差异”的问题,是“认识论鸿沟”的问题。争论的意义不在于分出胜负,而在于理解彼此的世界。而 AI 的出现,让我们第一次有机会从一个新的角度理解这种冲突。它提醒我们:智能可以存在于关系之中,功能可以独立于实体,模式可以独立于因果,解释可以独立于机制。它提醒我们:世界比我们想象的更复杂,知识比我们想象的更丰富,真理比我们想象的更多元。它提醒我们:中医不是伪科学,也不是超科学,而是另一种理解生命的方式,是另一种处理复杂性的方式,是另一种构建知识的方式。


范式革命的残酷现实

说到这里,一个更根本的问题浮现出来:中医能实现“范式升级”吗?能从 v1.0 升级到 v2.0,融入现代科学的主流框架吗?

这个问题听起来像是技术问题,像是只要找到足够多的证据、做足够多的实验、引入足够多的现代方法,中医就能顺利完成现代化。但如果把视线拉远一点,就会发现这其实是一个认识论和本体论层面的深层冲突。

库恩在《科学革命的结构》里说得很清楚:范式转变不是新旧范式的融合,而是新范式彻底取代旧范式。地心说被日心说取代,燃素说被氧化说取代,牛顿力学被相对论修正——没有一个是通过“融合”实现的。新范式的胜利,意味着旧范式的消亡。

中医面对的是更棘手的情况:阴阳五行与原子论、还原论之间,存在根本的本体论鸿沟。

中医的本体是“过程—关系—整体”:气、阴阳、五行、升降出入。

现代科学的本体是“实体—机制—层次”:粒子、分子、细胞、基因。

这是两种根本不同的“看世界的方式”。中医把生命理解为一套不断变化的过程,核心是关系、流动和调节;现代科学则把生命拆解为可以分辨、可以测量的实体单元,强调结构、机制和层次。两者的基本单位不同,一个是动态的功能过程,一个是静态的物质构成,它们之间不存在可以直接对接的数学映射关系,就像两套各自自洽的几何体系,描述的都是空间,却无法简单互换。

正因为如此,想把这两种体系强行统一在同一个框架里,并不是一个现实的目标。它们各自形成于不同的历史背景,服务于不同的问题,也依赖不同的思维方式。与其追求某种理论上的整合,不如承认它们在理解生命时所处的维度不同,各自有其适用的范围和价值。

现代科学的高度专业化让情况更复杂。二十世纪初,一位科学家可能同时懂解剖、生理、药理;二十一世纪,光是神经科学就分成计算神经、分子神经、系统神经几十个方向。构建一个同时容纳阴阳五行与分子生物学的宏大框架,需要的跨学科能力——中医经典、现代生物学、复杂系统论、科学哲学、高性能计算——全球范围内可能只有屈指可数的人具备。即使有,学术激励机制也不支持这种“不务正业”的宏大综合。

因此,更现实的路径,是作为主流之外并行的体系长期存在。

这听起来像是一种失败,但换个角度看,这恰恰是认识论的成熟:承认人类知识体系天然是复数的。不同层次、不同粒度、不同适用域的描述可以并存,而非必须塞进同一个框架。经典力学和量子力学在各自适用域内都有效,没必要强行统一;现代医学和中医也一样。

中医不是现代医学的前身,也不是它的对立面,而是另一种理解生命的方式。它的价值不在于是否符合还原论的标准,而在于它是否能有效地处理生命的复杂性。

 

从“语言模型”到“数学模型”:可计算中医的前景

即便两种范式难以彻底统一,也不妨碍我们在各自的框架内继续把事情做得更细致一些。对中医而言,一个更现实的方向不是去回应外部的质疑,而是让这套长期积累的经验在可计算、可验证的层面上变得更清晰、更结构化。

这也引出了一个新的问题:如果我们把中医理解为一个经过漫长时间训练的大模型,它是否有可能从今天主要依赖文献与经验的“语言模型”,逐步走向一种由结构和关系驱动的“数学模型”?换句话说,中医能否从描述性的体系,进一步发展为可计算的体系?

这个问题很关键,因为它指向中医现代化的真正突破口。

先看清现状。今天市面上所有的“中医大模型”,本质上都是语言模型。它们读《黄帝内经》、读《伤寒论》、读历代医案,然后学会用中医的语言回答问题。你问它“头痛怎么治”,它能引经据典给你一段漂亮的回答——听起来头头是道,但它的底层机制依然是“下一个词预测”,而不是真正的“辨证推理”。

这类模型有用吗?有用。它们可以辅助教学、科普中医知识、帮助年轻医生拓宽思路。但它们有本质局限:它们不懂“证”之间的数学关系,不懂方剂剂量如何影响疗效,不懂人体作为复杂系统的动力学方程。它们是在“说中医”,不是在“算中医”。

未来的“可计算中医模型”应该是另一回事。

它的目标,是把中医从“语言空间”映射到“数学空间”——把阴阳五行转化为可计算的变量,把脏腑经络转化为可建模的网络,把辨证论治转化为可优化的算法。这不是用 AI “包装”中医,而是用数学“重构”中医。

这个方向上,已经有一些值得关注的探索。

有研究团队构建了多维度中医药知识图谱,整合中药、化学成分、生物靶点、疾病等信息,用图神经网络建模方剂的配伍机制。有意思的是,他们引入了“性味归经”作为虚拟节点,让模型能够量化分析“君臣佐使”的配伍关系——比如发现某些药物组合在治疗特定症状时具有高注意力权重,并通过质谱分析验证其中的活性成分。

这实际上是用数学语言“翻译”中医的配伍理论。模型不是在背诵古方,而是在学习药物之间的关系结构。

另一个更具野心的方向,是把统计物理的模型引入中医脏腑功能研究,构建面向证候演化的计算预测模型。思路是:把人体脏腑看作一个相互作用的系统,用数学方程描述它们之间的动态关系,再通过临床数据拟合参数,最终实现“预测”——在疾病发生之前,预判证候的演化路径。

如果这条路走得通,“上工治未病”就不再是一句口号,而是可计算、可验证的数学模型。

还有一种更接地气的方法:用无监督学习从临床数据中自动发现“证”的结构。传统中医的辨证规则是“主症 + 次症”的经验总结,但不同医家对权重的把握不同。隐结构分析的方法,可以把主症、次症的语义约束加入算法,从数据中学习出符合中医理论的量化辨证规则——分值与语义一致,不出现过大、过小或负分的逻辑矛盾。

这就是用数据“校准”中医的诊断规则。不是推翻古人的经验,而是让经验变得更精确、更可重复。

这些探索的共同点是什么?是结构化。

语言模型处理的是“词序列”,数学模型处理的是“变量关系”。前者靠统计关联,后者靠数学方程。前者可以“说得头头是道”,后者可以“算得清清楚楚”。

未来中医的理想形态,可能是“双层结构”:

底层是数学化的功能模型:用微分方程描述气血运行,用网络模型描述脏腑关系,用动力学描述证候演化。

上层是语言化的知识模型:用阴阳五行解释,用辨证论治指导,用方剂配伍干预。

两者结合,既保留中医的经验智慧,又具备现代科学的可计算性。

这不是对中医的背叛,而是对中医的延续。中医的本质不是某些具体概念,而是一种理解生命复杂性的方式。数学化只是让这种方式更清晰、更可验证、更可传承。

不过,从现实的学术生态和数据条件来看,这条路注定漫长而曲折。


尾声:五千年的模型与未来的模型

写到这里,讨论已经走到了一个相对完整的阶段。回望前文,像是在沿着一条缓慢展开的路径,把中医与大模型之间那些看似遥远的联系一点点串联起来。许多问题并没有现成的答案,但它们的结构变得更清晰了,也更容易理解为什么这些争论会持续这么久。

从某种意义上说,中医是一套经过五千年临床实践不断训练出来的大模型,它的参数不是数字,而是经验;它的结构不是代码,而是概念;它的训练不是依靠显卡,而是依靠无数医者在真实世界中的反复观察与修正。

它并不完美,也不具备包治百病的能力,但它提供了一种理解生命复杂性的方式,一种看待身体的方式,一种处理不确定性的方式。

AI 大模型的出现,让我们第一次能够用一种新的语言去理解中医,而不是用旧的偏见去否定它。它让我们看到,知识并不只有一种形态,解释世界的方式也不只有一种路径。

也许未来的某一天,我们会看到一个真正意义上的“中医数学模型”,它既能继承古人的经验框架,又能融入现代科学的结构化方法。也许那一天还需要很长时间,也许永远不会完全到来。

但这并不妨碍我们在今天,尝试用更宽广的视角去理解中医,理解争论背后的逻辑,理解知识体系之间的差异。

人类认识世界的方式从来不是单一的。不同的模型,不同的范式,不同的语言,都在试图触摸同一个复杂而难以穷尽的生命系统。

中医是其中之一,AI 也是其中之一。

它们之间的对话,才刚刚开始。

 

 




更多我的博客文章>>>

所有跟帖: 

不是的,你没有机器学习的基本知识。大模形是一个有上百亿参数的非线性矢量函数。 -QualityWithoutName- 给 QualityWithoutName 发送悄悄话 QualityWithoutName 的博客首页 (0 bytes) () 03/08/2026 postreply 19:15:03

机器学习根据大量训练数据极小化loss function 来得出这些上百亿的参数。 -QualityWithoutName- 给 QualityWithoutName 发送悄悄话 QualityWithoutName 的博客首页 (0 bytes) () 03/08/2026 postreply 19:17:48

所有的知识都在这个学习得到的非线性数学函数中。 -QualityWithoutName- 给 QualityWithoutName 发送悄悄话 QualityWithoutName 的博客首页 (0 bytes) () 03/08/2026 postreply 19:19:27

我理解楼主的意思是 人就是那些参数,训练后,信息就刻在DNA里的了,省电:) -JSL2023- 给 JSL2023 发送悄悄话 (0 bytes) () 03/08/2026 postreply 19:40:36

学中医的只占人口的极少数(训练少),把所有人的基因都作为参数,会overfitting的。 -QualityWithoutName- 给 QualityWithoutName 发送悄悄话 QualityWithoutName 的博客首页 (0 bytes) () 03/09/2026 postreply 05:09:46

我没讲清楚:)学中医的少,架不住用中医的多啊。把千年的的调试记录在人的生命里,变成人的自然反应,算人机交互吧:) -JSL2023- 给 JSL2023 发送悄悄话 (0 bytes) () 03/09/2026 postreply 07:15:06

学是训练,修改参数,用是用模形产生一些答案,对改进模型没有作用。中医又沒有很好的评估方法,更加不利于学习。 -QualityWithoutName- 给 QualityWithoutName 发送悄悄话 QualityWithoutName 的博客首页 (0 bytes) () 03/09/2026 postreply 08:05:09

神农尝百草,以身试法,还有比这更直接的方法么?:) -JSL2023- 给 JSL2023 发送悄悄话 (0 bytes) () 03/09/2026 postreply 08:47:54

那是远古时代的小模型,我们不是在讨论所谓的中医大模型吗? -QualityWithoutName- 给 QualityWithoutName 发送悄悄话 QualityWithoutName 的博客首页 (0 bytes) () 03/09/2026 postreply 09:15:17

你接错龙了:)小模型是指下面的易经,中医是上千年的大模型:) -JSL2023- 给 JSL2023 发送悄悄话 (0 bytes) () 03/09/2026 postreply 09:24:41

要说大模型,易经六十四卦应该算是起了个头,连卦和与非门都那么神似:) -JSL2023- 给 JSL2023 发送悄悄话 (0 bytes) () 03/08/2026 postreply 19:35:29

算了吧,大模形有特定的意义,不是凑人数。 -QualityWithoutName- 给 QualityWithoutName 发送悄悄话 QualityWithoutName 的博客首页 (0 bytes) () 03/09/2026 postreply 05:13:59

大模型也是从小模型发展起来的吧?:) -JSL2023- 给 JSL2023 发送悄悄话 (0 bytes) () 03/09/2026 postreply 07:16:32

不管啥模型,核心是数学。中医就不是科学 -ahhhh- 给 ahhhh 发送悄悄话 (0 bytes) () 03/08/2026 postreply 19:58:35

如果刻薄一点的说,中医像是(训练了两千多年的)早期的AI大语言模型 -木有文化- 给 木有文化 发送悄悄话 木有文化 的博客首页 (208 bytes) () 03/08/2026 postreply 20:58:02

LLM以前和现在,本质上还是大参数的数学函数,先用监督学习,然后用强化学习来微调这些参数,就有了越来越强大逻辑思维能力。 -QualityWithoutName- 给 QualityWithoutName 发送悄悄话 QualityWithoutName 的博客首页 (0 bytes) () 03/09/2026 postreply 05:18:56

真正早期主流的AI是符号系统,逻辑推理比人强多了,象个纯理科生,用处不大,是个toy -QualityWithoutName- 给 QualityWithoutName 发送悄悄话 QualityWithoutName 的博客首页 (0 bytes) () 03/09/2026 postreply 05:26:00

中医最大的问题是,这种训练并不能被有效的整理和归纳,并没有形成一个有效的传承。很多都是不传的秘方,华佗们死了知识就失传了 -咲媱- 给 咲媱 发送悄悄话 咲媱 的博客首页 (0 bytes) () 03/09/2026 postreply 08:56:33

这类似于有很多很多由小量数据训练岀来的模型,没有把数据集中,训练一个大点的模型。 -QualityWithoutName- 给 QualityWithoutName 发送悄悄话 QualityWithoutName 的博客首页 (0 bytes) () 03/09/2026 postreply 09:32:53

请您先登陆,再发跟帖!