五千年(敝帚自珍)

主题:【原创】和晨老大,具体阐述中医科学性的一个方面 -- DongGua

共:💬66 🌺82
全看分页树展 · 主题
家园 【原创】和晨老大,具体阐述中医科学性的一个方面

晨枫大作在此:链接出处

拙作缘起于一网友于彼处之发问:

模拟计算机早就有,精度再差,也有量的概念,逻辑运算更是不可能有一点模糊的。说木可以克金,再类比成给人治病,请问量在哪里,逻辑在哪里?

对此我回答如下:

举例来说:木旺金弱,此‘旺’、‘弱’即为量之概念。金克木,就是一条 lateral inhibitory connection from 金 impinging upon 木。

若问我这种连接的逻辑在哪里?那我反问:您大脑中这个神经元连接到那个神经元,这样做的逻辑在哪里?说这个神经元抑制那个神经元,然后somehow得出您的大脑能推导数学公式,请问量在哪里,逻辑在哪里?

开个并非毫无意义的玩笑,您的大脑是不是如同中医一样是伪科学?

OK,下面用神经网络的例子来加以认真说明。

神经网络是训练或学习出来的,这个训练或学习过程是通过极大化某个目标函数来达成的。举例来说,这个目标函数可以是模式识别的准确度——诊断病症就是一种模式识别——或受控系统的行为与事先期望的吻合度。在这第二个例子中,这个神经网络输出某些控制信号,用以操纵一个受控系统。那些输出的控制信号的好坏——也就是这个神经网络的好坏——是用受控系统的行为来评估的。

如果举你练习打乒乓球的例子。可以把你这个人(包括神经系统和骨骼肌)看作受训的神经网络,把球拍和乒乓球看作受控系统。 而如果运用到中医的例子,‘受控系统’相当于就诊的病人,‘神经网络’相当于中医体系,‘输出的控制信号’相当于诊断后所开出的治疗方案,‘给神经网络的输入信号’就是病人的feature vector,包括症状、脉象、舌象等等。

请注意,这些个目标函数仅仅针对整个神经网络最终的performance,而不会去管这个神经网络内部是怎么连接的。后者是由神经网络的学习算法、训练数据的统计分布、外加初始条件等因素所共同决定的。这是一个典型的自组织系统,有别于彻头彻尾由人工所设计的系统,譬如电子计算机。在它的设计者看来,一个芯片的每一个门,每一根线都有着明确的任务,可以说有着明确的逻辑。但拿一个自组织系统的例子来说,虽然它是我训练出来的,但除了最底层的几层神经元比较容易了解以外(在人脑的视觉模块的例子中,大约相当于视网膜到V1),我多半没法知道每个神经元、每根连接干的是什么事,目的为何,设计思想是什么(如果硬要套上个“设计思想”的名词的话)? 要我解释设计思想,我只能回答这是目标函数+学习算法+数据的统计分布+初始条件(和硬件资源的限制)所共同决定的。再说,你管我是怎么训练的,这是商业机密我不想说呢?难道这便成了伪科学? 是骡子是马关键看遛得如何。

中医就象这样一个神经网络。它的目标函数是要能治好病;它的configuration包括:所含节点数、连接的拓扑,等等;它所收到的训练数据是历代积累的医案;它的具体的学习算法不是几句话可以说清楚的,但这一点不是很重要,姑且可以假设它采用了笨笨的trial-and-error的办法,或者是瞎猜的也好,瞎凑的也好。总之,最后的结果是我们得到一个训练好了的神经网络,它能在一定(或很大?具体待议)程度上达到治病的目的。(假设没人否定中医的疗效。)

请问,回顾这整个approach,哪个地方不科学呢?


本帖一共被 1 帖 引用 (帖内工具实现)
全看分页树展 · 主题


有趣有益,互惠互利;开阔视野,博采众长。
虚拟的网络,真实的人。天南地北客,相逢皆朋友

Copyright © cchere 西西河