为什么计算机科学中的神经网络模型得出来的结果被认为是科学的，而中医诊断却不被认为是科学的？

这是一个非常值得探讨的问题，涉及到科学的本质、证据的要求以及不同知识体系的认知方式。简单来说，计算机科学中的神经网络模型之所以被广泛认为是科学的，主要是因为它遵循了科学的核心原则，即可重复性、可证伪性、基于证据的解释以及可量化的模型。而中医诊断在这些方面，至少在现代科学的语境下，存在一些难以跨越的鸿沟。

我们来逐一拆解：

1. 可重复性 (Reproducibility)

神经网络模型： 这是神经网络科学属性的核心基石。一个训练好的神经网络模型，在给定相同的输入数据和相同的参数设置（例如学习率、激活函数、网络结构等）的情况下，无论是在哪个实验室、由哪个研究者操作，都会产生几乎完全一致的输出结果。这种高度的可重复性使得其他科学家可以验证、复现和在此基础上进行研究。即使是随机性（如初始化权重），也会有明确的种子值来控制，保证了实验的可控性和可重复性。
中医诊断： 中医诊断的核心是“望闻问切”，以及在此基础上的“辨证论治”。虽然中医理论有其体系，但“望闻问切”很大程度上依赖于医生的主观感知、经验积累和对病症细微之处的辨别。不同的医生，即使是经验丰富的名医，在面对同一位病人时，其“望闻问切”的结果也可能存在差异。例如，同一个舌苔，一位医生可能认为是“黄腻”，另一位医生则可能描述为“黄滑”。同样，脉象的细微变化，不同医生感受到的程度也可能不同。这种高度的主观性使得其结果在跨医生、跨地域、跨时间的重复性上存在挑战。即使是使用相同的诊断标准，个体差异也很大。

2. 可证伪性 (Falsifiability)

神经网络模型： 科学理论的一个重要标志是它必须是可证伪的，也就是说，理论上应该存在某种观察或实验结果可以证明该理论是错误的。神经网络模型在设计之初就具备了这一特性。我们可以设计实验来挑战模型的预测能力。例如，如果一个模型预测某类癌症的发生率，我们可以收集更多样本，其中包含模型未能准确预测的案例，并通过统计分析来检验模型的准确性。如果模型的预测在大量样本上持续不准确，甚至与实际情况相悖，那么这个模型本身的设计、训练数据或算法就可能存在问题，需要被修正甚至被抛弃，这正是可证伪性的体现。
中医诊断： 中医的“证”和“治”往往是一种高度概括和经验性的描述，其边界相对模糊。例如，“湿热内蕴”这个证，可能包含多种具体的生理表现。当某个治疗方案（例如某个中药方剂）对一个病人效果不佳，甚至出现负面反应时，中医往往会归结为“辨证不准”、“用药不对证”或“个体差异”。这种解释方式虽然有其内部逻辑，但在现代科学看来，缺乏一个明确的、可以被外部独立验证的“否定项”。很难设计一个清晰的实验来“证伪”某个中医理论的核心概念，因为它往往可以通过调整解释来适应新的观察结果，而不是被彻底推翻。

3. 基于证据的解释与量化模型 (EvidenceBased Explanation & Quantifiable Models)

神经网络模型： 神经网络之所以被认为是科学的，是因为它建立在清晰的数学模型和算法之上，并且其训练和预测过程是可量化的。模型的每一个权重、每一次计算都有明确的数学定义。它的输出（例如预测的概率、分类结果）是可以通过数值来衡量的。当模型做出一个预测时，我们可以深入到模型的内部（尽管深度学习模型有时被称为“黑箱”，但其底层逻辑是数学的）来分析为什么会做出这样的预测（例如通过特征重要性分析）。模型的效果可以通过各种统计指标（准确率、召回率、F1分数、AUC等）来客观评估。这些量化的指标使得我们能够理解模型的“思考”过程（虽然不是真正意义上的思考），并与其他模型进行比较。
中医诊断： 中医诊断的解释，例如“气血不和”、“肝郁脾虚”，虽然在传统中医理论中具有深刻的含义，但这些概念缺乏现代科学意义上的可量化和直接的物理/生物学对应。我们很难用客观的物理量来直接测量“气”或“血虚”到何种程度。虽然现代医学正在尝试寻找一些生物标志物来解释中医的某些现象（例如，某些研究试图将“肝郁”与神经内分泌系统紊乱联系起来），但目前为止，这些联系尚未完全建立，也未形成一套普适、量化的诊断体系。中医的诊断语言更多是一种比喻和类比，其背后隐藏的生理病理过程，与现代医学的理解存在显著差异。

4. 目标与方法的差异

神经网络模型： 计算机科学中的神经网络模型，其目标通常是解决一个具体的问题（如图像识别、自然语言处理、预测疾病风险等），并且其方法是通过大量数据的学习和模式识别来实现。它是一种工具，其科学性体现在其工具的有效性、可信度和可分析性上。
中医诊断： 中医诊断的出发点和目标与现代科学有所不同。它根植于对人体整体、动态、以及人与自然关系的理解。它关注的是“证”，是一系列病理生理过程的综合表现，而不是单一的、孤立的疾病。其诊断方法也更侧重于整体的、动态的、人际互动式的观察。这种认知体系与现代科学还原论、量化分析的路径存在本质上的差异。

总结

总而言之，计算机科学中的神经网络模型被认为是科学的，是因为它符合现代科学方法论的要求：其构建和验证过程是客观的、可量化的、可重复的、可证伪的，并且其解释可以建立在清晰的数学和统计学基础上。

而中医诊断，尽管拥有悠久的历史和丰富的实践经验，并且在许多方面对改善人类健康起到了重要作用，但在现代科学评价体系下，由于其诊断过程的高度主观性、概念的模糊性、以及缺乏可量化和可证伪的标准，使得其科学性受到了质疑。

这并非是要否定中医的价值，而是强调科学的评价体系和知识体系的形成是基于一套特定的方法论和标准。如果中医能够通过现代科学的方法进行验证、量化和阐释，形成具有高度可重复性和可证伪性的理论和实践，那么它在科学的范畴内也会获得更广泛的认可。当前，尽管有许多“中西医结合”的研究在进行，但要完全弥合两者在认识论和方法论上的巨大鸿沟，还有漫长的路要走。

网友意见

中医如果要比做机器学习的话，大约可以算rule-based learning，你可以把中医的那些经典看成是dump的model。中医的学习可以视作training process。

但是这个model具有如下的问题：

1.特征有限，定义模糊，缺乏标准无法量化

2.依赖医生经验，bias大

3.variance也很大(特征采集困难，信号不稳定)

4.缺乏标准数据集进行验证，结果难以复现

要说本质上中医和神经网络相似，还不说中医和星座运势也很相似，都是观察然后决策的过程。实际上神经网络这个bias/variance的来源，现在世界上也没有几个人真正弄清楚，所以楼主有这个疑问也是正常。不过神经网络有没有1和4的问题，其成果容易被重现或证伪，而这对于中医和星座学就没那么容易了。

类似的话题

• 

  为什么计算机科学中的神经网络模型得出来的结果被认为是科学的，而中医诊断却不被认为是科学的？

  

  这是一个非常值得探讨的问题，涉及到科学的本质、证据的要求以及不同知识体系的认知方式。简单来说，计算机科学中的神经网络模型之所以被广泛认为是科学的，主要是因为它遵循了科学的核心原则，即可重复性、可证伪性、基于证据的解释以及可量化的模型。而中医诊断在这些方面，至少在现代科学的语境下，存在一些难以跨越的鸿.............
• 

  为什么在计算机科学领域及编程中不使用现代数学建立的符号体系进行操作？

  

  你这个问题非常有意思，触及到了计算机科学和编程语言设计中的一个核心矛盾：理论的优雅与实践的现实之间的权衡。简单来说，我们之所以在日常编程中很少直接使用现代数学建立的符号体系，并不是因为它们不好，而是因为它们在很多情况下，并没有直接解决我们编程时最迫切的需求，甚至会带来不必要的复杂性。让我来详细拆解一.............
• 

  计算机中的堆地址从低到高向上增长，但栈地址却从高到低向下增长，为什么这样设计，这样设计有什么好处？

  

  在计算机内存管理中，堆（heap）和栈（stack）是两个至关重要的区域，它们的地址增长方向有着显著的不同：堆的地址是从低向高增长，而栈的地址则是从高向低增长。这种设计并非偶然，而是出于对效率、灵活性和安全性的综合考量。首先，让我们理解一下堆和栈各自的特点。栈（Stack）：栈是一种非常高效的内存管.............
• 

  什么是「宏」？ 为什么以前计算机老师说不要用 word 中的「宏」？

  

  “宏” 这个词，在不同的地方，含义可能有点不一样。但你要问的是电脑里，尤其是 Word 里的“宏”，那咱们就聊聊这个。什么是“宏”？你可以把“宏”想象成一个“自动化脚本”，或者说是一段“预设好的指令序列”。它不是人一句一句地去操作电脑，而是你提前把一系列操作录下来，或者写成一段简单的代码，然后需要的.............
• 

  为什么C语言中计算机认为0是假的，其他数都是真的？

  

  你这个问题问得很有意思，涉及到C语言中一个基础但又有点“魔性”的特性：布尔值（Boolean Value）的表示方式。在咱们日常生活中，很多事情都是非黑即白的，比如“对”和“错”，“有”和“无”。计算机世界里也需要这种简单的二元判断。但问题来了，计算机本身只懂0和1，这两个数字如何承载“真”和“假”.............
• 

  为什么计算机科学没有系统的学派？

  

  说计算机科学“没有系统的学派”，这话说得有点绝对，得辩证地看。要说像哲学、社会学、甚至某些自然科学那样，有清晰的、成体系的、历史悠久的“主义”或“流派”，确实不那么明显。但要是说它完全没有“学派”的影子，那也不尽然。先说说为什么大家会觉得计算机科学不像其他学科那样有明显的学派。这背后有几个关键原因：.............
• 

  为什么计算机科学专业背景的人喜欢黑机器学习？

  

  这问题触及到一个挺有意思的现象，很多计算机科学背景的朋友对机器学习（ML）的态度，怎么说呢，有点复杂，不是单纯的“喜欢”或“不喜欢”。更多的是一种…怎么形容呢？是那种既好奇又审慎，既想拥抱又想解剖的探索欲。这背后其实有很多层原因，咱们掰开了说：首先，得从计算机科学的“根”说起。我们这行，骨子里就是研.............
• 

  图中左边的电路在计算机内部为实现某个功能而常被使用，这个电路名字叫啥?

  

  您好！您提到的图中左边的电路，在计算机内部常被用来实现一个非常重要的功能，它叫做加法器（Adder）。加法器是数字电路中最基础、也最核心的逻辑部件之一。在计算机的中央处理器（CPU）中，几乎所有的算术运算和逻辑运算都离不开它。简单来说，加法器就是负责执行二进制加法运算的电路。让我来为您详细讲讲这个“.............
• 

  计算机模拟在材料学中的应用是什么呢？

  

  计算机模拟，在材料学领域，简直就是一把万能钥匙，解锁了我们对物质世界更深层次的理解和操控。它不是凭空捏造，而是基于严谨的物理定律和化学原理，通过计算机强大的计算能力，在虚拟世界里“制造”和“测试”各种材料，其意义之重大，应用之广泛，可以说彻底改变了我们研究和开发新材料的方式。为什么计算机模拟这么重要.............
• 

  计算机视觉中video understanding领域有什么研究方向和比较重要的成果？

  

  计算机视觉中的视频理解（Video Understanding）领域，是一块非常活跃且充满挑战的研究疆域。它不仅仅是识别视频中的物体，而是要理解视频中发生的事件、动作、物体间的关系、以及随时间变化的动态过程。这项技术在智能监控、自动驾驶、体育分析、人机交互、医疗诊断等众多领域有着巨大的应用潜力。要深.............
• 

  计算机系统结构，流水线控制冲突中为减少分支延迟使用延迟槽的方法？

  

  在计算机系统结构中，流水线技术是提升指令执行效率的关键。然而，流水线并非万能，分支指令的出现会打破流水线的连续性，造成控制冲突，显著降低流水线的性能。为了应对这一挑战，我们引入了一种名为“延迟槽”（Delay Slot）的技术，它是一种巧妙的解决方案，旨在减少分支延迟的影响。理解分支指令与流水线冲突.............
• 

  为什么四进制在计算机科学中不常见？

  

  说起计算机科学中的“四进制”，大家脑海中浮现的画面可能不多。我们习以为常的是二进制，以及偶尔会碰到的八进制和十六进制。那么，为什么这种听起来也挺有意思的“四进制”就没有像它们那样普及开来，甚至在实际应用中几乎销声匿迹了呢？这背后其实有着相当实际和历史的原因，并非仅仅是“没人想到”。首先，我们需要理解.............
• 

  为什么不把计算机列为中高考必考科目？

  

  要说为什么计算机没有成为中高考的必考科目，这背后其实是一系列复杂考量交织的结果，绝非简单的“不重要”就能概括。首先，我们需要认识到，中高考作为一种基础教育的选拔性考试，它的核心目标是考察学生在核心基础知识和能力上的掌握程度。虽然计算机科学在当今社会的重要性毋庸置疑，但与语文、数学、外语这些学科相比，.............
• 

  为什么计算机科学如密码学喜欢用 Alice 和 Bob 举栗子？

  

  这确实是一个很有意思的问题，为什么在计算机科学，尤其是密码学领域，我们总是听到 Alice 和 Bob 的名字？这背后其实有很多原因，并非仅仅是随便找了两个名字这么简单。让我带你深入了解一下这个传统是如何形成的，以及它为何如此受欢迎。历史的渊源：从无线电到密码学要理解 Alice 和 Bob 的流行.............
• 

  姚安娜毕业于哈佛大学计算机科学和统计学专业，为什么还要进娱乐圈？高学历人才进娱乐圈是趋势吗？

  

  姚安娜毕业于哈佛大学计算机科学和统计学专业，然后选择进入娱乐圈，这确实是一个值得深入探讨的现象，也反映出当前社会人才流动的一些趋势。我们可以从多个角度来分析这个问题：一、 姚安娜选择进娱乐圈的原因分析：1. 兴趣与热情是强大的驱动力： 从小培养的艺术细胞： 尽管她选择了理工科专业，但这.............
• 

  民科是不是很少拿计算机科学开涮？为什么？

  

  说实话，我没太仔细琢磨过“民科”和“计算机科学”之间是不是“很少拿来开涮”这个事。但既然你提了，我就随便聊聊我的看法。首先，咱得先明白点儿，什么是“民科”。我理解的民科，大概就是那些对某个科学领域有浓厚兴趣，但又没受过专业训练，也没有经过同行评审流程，就自己在那儿琢磨、鼓捣，并且可能还会发表自己观点.............
• 

  计算机中为何不直接使用 UTF-8 编码进行存储而要使用 Unicode 再转换成 UTF-8 ？

  

  这个问题问得非常好，它涉及到计算机内部处理文本的底层原理和不同编码的优劣势。简单来说，计算机不是“不直接使用 UTF8 进行存储”，而是更准确地说，计算机在内部更倾向于使用一种统一的、能够表示所有字符的抽象表示，然后根据需要将其转换为不同的字节序列表示（编码），而 UTF8 就是最常用的一种字节序列.............
• 

  在计算机科学领域，为何不使用拼音代替英文做为关键字?

  

  你这个问题问得非常有意思，而且触及到了计算机科学发展历史和实际应用的关键点。确实，从语言的直观性上说，中文拼音似乎比英文更贴近我们大多数人的母语习惯。但要把拼音直接作为计算机语言的关键字，这背后涉及很多层面的考量，远非简单的“方便”或“不方便”能够概括。我尝试着从几个主要方面来给你掰扯掰扯，尽量说得.............
• 

  计算机科学领域有什么笑话？

  

  我能理解你想要一些生动有趣、听起来像是真人讲出来的计算机科学笑话。我这就来给你准备一些，尽量避免那种AI的刻板感，把它们讲得更接地气一些。一个关于计算机科学的笑话：有个新晋程序员，第一次参加部门会议。老板在上面讲得唾沫横飞，谈着什么“分布式系统”、“微服务架构”、“DevOps”等等高深莫测的概念。.............
• 

  计算机科学与技术是什么专业是不是很杂很广泛很难学精？

  

  计算机科学与技术这个专业，用一句话概括，就是研究“如何让机器能够思考、执行指令并解决问题”的学科。它听起来很高大上，但实际上，它的应用场景之广泛，让你每天的生活都离不开它。它到底有多“杂”？打个比方，计算机科学与技术就像一个巨大的知识宝库，里面装满了各种各样的工具和技术。你可以把它想象成一个建筑工地.............