2020-03-24

很多人聽過人工智能聽過深度學習，

同時對此有非常大的願景，

但卻不能用同樣的心態對待中醫藥。

下面的前提是基於了相信深度學習，

但不管信不信，

很多人也切實得到過許多服務，

可能是人臉解鎖可能是美圖濾鏡。

對此想分享的是，

深度學習一直是被認為是難以解釋的，

即雖可以看到可觀的結果卻不知道為何，

模型表現得很好卻無法細節地量化分析，

調整模型的時候也很多是靠經驗，

所以近年的很多研究都圍繞解釋性。

聯想到中西藥，

我的印象是西藥一堆化學成分，

中醫是一堆藥材配方。

西醫給人的感覺是重病理講科學，

而中醫卻給人一種玄學的感覺，

在這裡殊途同歸，深度學習也被很多人認為是玄學。

中藥的配方好比一個模型，

用多少藥量就像是調整模型的參數，

用什麼藥就像是特徵工程，

模型的輸入就是患者的病徵，

而模型的輸出是患者用藥後的情況。

好的醫生致力於把輸出調到最好，

這需要極豐富的經驗，

這樣想中醫難免跌入所謂的過程黑盒子。

我非常驚嘆深度學習帶來的效果，

這些方法帶給人很多啟發和貢獻，

同樣的對中醫藥也是這種態度。

但我在重大疾病面前是不會用中藥的，

這並不是出於偏見，

而是看到了中醫藥基於經驗科學的缺陷。

如果放在科學裡面，這是個學派的問題，

這並不是雙標，

況且中醫藥正在朝藥理的方向發展。

基於規則還是基於統計，

人工智能在上世紀也徘徊了很久。

據我所知很多團隊致力於中藥的藥理，

已經有很多人在研究中藥的化學成分，

對特定蛋白質的作用。

就像那些研究模型可解釋性的人，

渴望得到一個量化的可見的解釋。

一朵金銀花裡面成百上千種化學成分，

人們就是想找到那能救人的千分之一，

雖大海撈針但總有人往前。

結論就是，中醫藥應該得到尊重，

營造一個更開放包容的研究環境，

需要聲討的是那些不學無術的庸醫，

那些把中藥當神藥的無知低能兒，

還有那些只為賺錢標榜中藥的藥商。

公知耍嘴炮，帶節奏，

極力營造一個極端的觀念真實世界，

為黑而黑，

應該吃多點三氧化二砷，

本草綱目稱之為砒霜。

2020.03.24