道友还提到了AI能否理解“浮脉主表”这个逻辑链条。这个问题触及了AI在中医应用的核心困境:符号化知识 vs. 体化知识。中医的理论体系(如阴阳五行、气血津液)本质上是一种符号系统,它可以用语言描述,也可以通过规则推导。比如“浮脉主表”可以转化为一个简单的逻辑:如果脉浮,那么病在表。AI完全可以学习这种规则。但问题在于,临床中的脉象往往不是单一的,而是复合的:浮数、浮紧、浮滑、浮涩……每一种组合都指向不同的病机。比如浮数脉可能主风热表证,但若同时伴有细弱,则可能是阴虚外感。这种复杂的组合关系,AI可以通过大量数据学习,但它能否理解这些组合背后的“为什么”?比如为什么浮数脉主风热?因为风热之邪侵犯卫表,气血鼓动于外,所以脉浮;热邪迫血妄行,所以脉数。这个推理需要理解“卫气营血”的生理病理模型,而AI目前只是模式识别,并非真正的理解。我读过一些研究,用深度学习对脉象进行辨证分型,比如将脉象与舌象、症状结合,训练出“气虚证”“血瘀证”等模型。准确率确实不低,但有一个致命弱点:这些模型完全依赖于训练数据中的标签,而标签本身是中医专家主观给出的。如果专家之间有分歧,模型就会混乱。更关键的是,AI无法区分“相关性”与“因果性”。比如它可能发现某个脉象与某个方剂有效相关,但它不知道是因为这个脉象对应了某个病机,所以方剂有效。这种“知其然而不知其所以然”的状态,在临床中是危险的。因为一旦遇到训练数据中未出现的脉象组合,AI就可能给出荒谬的结论。