千年深度学习，中医一枝独秀_风闻
西方朔-2020-03-27 12:30
陈经
2020年3月26日
（发在风云之声）
一．借疫情东风，中医发展迎来好时机
中医药在新冠疫情治疗中起了很大作用，甚至走出了国门。3月23日，张伯礼院士介绍了连花清瘟胶囊在意大利的应用。
中医药在疫情中“大显身手”，毫无意外地再次引发了一波对中医疗效的争论。否定者认为，中医的“疗效”是安慰剂效应，至今没有一种中药疗效能通过国际上严格的双盲测试。支持者认为，中医参与湖北以外的多个省市治疗效果显著，与武汉前期治疗形成鲜明对比，疫情发展是中医疗效的铁证。
笔者是计算机专业，从事人工智能研发。近年来深度学习技术从人工智能行业异军突起，是科技界多年来影响最大的技术进步之一，AlphaGo事件引爆了一波巨大的人工智能热潮。深度学习技术应用，已经扩散到了无数个行业，可以说对许多科研人员产生了灵魂冲击。通过堆积样本粗暴训练，深度神经网络的效果好得让人难以置信。
深度学习相关的理论仍然模糊不清，为何几百万个系数搭建的深度神经网络，训练之后就能模拟人类的智能？绝大多数应用开发者对此并无兴趣，只要管用就行了，不去深究为什么。这种应用态度，对于精通数学物理逻辑思维、讲究学理、讲究积累的研究者来说，颇有些无耐。人类多年积累的围棋知识，被人工智能暴力否定。机器并不知道自己在干啥，却比有理有据推导的人类还厉害。深度学习代表的“机器学习”思维，对于人类的研发思维产生了很大冲击。
对于中医是否有效，笔者经过反复摇摆，终于从深度学习框架入手，坚定地选择了方向：中医药不是安慰剂，是真实有效的。笔者对这个选择深具信心，道理完全可以说明白。
中医的疗效有哲学解释可以相信，又在全球战疫中口碑崛起，确实迎来了相当好的发展机会。
二．中医与深度学习框架的类比
首先要明确，中医是属于“传统医学”。世界多国都有古代起源的传统医学，原理与从西方起源的现代医学截然不同。中医理论和其它国家的传统医学一样，都是古人在不了解现代医学常识的情况下，土法上马也得去治病，发明出来的。中医和多国的传统医学一样，都有一些错误的认识，被现代医学常识所否定。这是历史局限性，不需要强行辩护。
印度人认为牛尿有神奇疗效，因为牛是神牛，传统中医也有类似的动物直觉。穿山甲在地上钻来钻去，它的壳能治血栓；蝙蝠眼睛厉害，夜明砂能治眼疾；动物的角能够壮阳。这类理论是朴素的直觉，可以理解，但不太可能是正确的，反而很可能被现代医学所证伪。即使支持中医，也不应该无脑支持这些落后的糟粕，大方承认传统中医理论有一些错误观点就可以了。
世界各国有各种不同的宗教信仰，不知道哪个神是真神，很多持无神论的中国人认为都不可信，要信科学。世界多国的传统医学，各有各的传统套路，是不是与科学发展出来的现代医学相比，都不行？这却不是了。中医在世界各国的传统医学里，可以说是“一枝独秀”。中医生命力之旺盛，笔者断定是所有国家传统医学里最高的。
许多中医爱好者对科学原则相当了解，面对现代医学丝毫不憷，双盲实验是“日经”话题，战得有来有往。其它国家传统医学和现代医学的争论，没见过象中医这样能常年有如此高的热度。中医作为传统医学，却有相当多的从事科研的专业人士支持。而高举现代科技旗帜的中国政府也认定了中医的价值，国家规划中医药要占到医药行业三分之一的产值。
中医的旺盛生命力，是因为中国人特别迷恋传统文化？并没有。京剧、相声等传统文化，远不如中医发展得好。是中国人缺乏科学精神？这种现象是有，但中国在世界上并不是特别地没有科学精神，各国民众都不怎么样。科学精神在世界上还是一种小众的理念，需要相当的教育。
其实很简单，在中国这个崇拜科学的国情里，中医的旺盛生命力基础，必然是“疗效”。如果没有疗效，再怎么吹也忽悠不了人。中国确实流传着种种中医治疗成功的案例，“中医黑”也是承认的，但就说是安慰剂“自愈”，吵个没完没了。可以较有把握地说，中国有着世界上最多的传统医学疗效案例，这才是中医在现代中国仍然盛行的根本。
这种情况，其实就是和深度学习有点类似的。中医的理论要去说服人，说实在的难度很高，真有兴趣能看懂的就不多，也有很多让人诟病的说法。深度学习理论也是，根本说不清道理，不是“以理服人”的。深度学习横扫天下，靠的就是“效果”，算法效果拿出来，刚刚的，人都没话说了。只不过深度学习的成功，没有安慰剂、碰运气的说法，无人反对。
再进一步思考，会发现深度学习依赖的多层神经网络，和早期的简单神经网络相比，本质区别在于网络结构复杂多了，系数多了很多倍。简单神经网络也能有一些效果，但是能力有限缺陷明显，人工智能进入冬天。网络复杂多了，就产生了质变，深度学习引爆热潮。
中医和世界其它国家的传统医学相比，突出的特点就是复杂。中医有和印度牛尿类似的“药材”，童子尿等等，当初肯定有不少古人拍脑瓜胡想。但是中医不满足于一种或者数种药材，而是疯狂地发掘了上千种。其中很多动物、植物、矿物品种，即使从现代医学理论来看，也是正儿八经有用的材料。中国古人为何如此热衷寻找药材品种，我们不清楚，但这是一个极不平凡的特点。
下面是正经中药材品种的列表，约500种。“人血馒头”等一些过于惊悚的“药引”，其实不是中医药的特色，算是民间偏方。
麻黄、桂枝、紫苏、生姜、香薷、荆芥、防风、羌活、白芷、细辛、藁本、苍耳子、辛夷、葱白、鹅不食草、胡荽、柽柳、薄荷、牛蒡子、蝉蜕、桑叶、菊花、蔓荆子、柴胡、升麻、葛根、淡豆豉、浮萍、木贼、石膏、寒水石、知母、芦根、天花粉、淡竹叶、鸭跖草、栀子、夏枯草、决明子、谷精草、密蒙花、青葙子、黄芩、黄连、黄柏、龙胆、秦皮、苦参、白鲜皮、苦豆子、金银花、连翘、穿心莲、大青叶、板蓝根、青黛、贯众、蒲公英、紫花地丁、野菊花、拳参、漏芦、鱼腥草、金荞麦、射干、山豆根、马勃、青果、锦灯笼、木蝴蝶、白头翁、马齿苋、鸦胆子、委陵菜、翻白草、半边莲、白花蛇舌草、山慈菇、熊胆、千里光、白蔹、四季青、绿豆、生地黄、玄参、牡丹皮、赤芍、紫草、水牛角、青蒿、白薇、地骨皮、银柴胡、胡黄连、大黄、芒硝、番泻叶、火麻仁、郁李仁、甘遂、京大戟、芫花、牵牛子、巴豆、千金子、独活、威灵仙、川乌、蕲蛇、乌梢蛇、木瓜、蚕沙、伸筋草、寻骨风、松节、海风藤、青风藤、丁公藤、昆明山海棠、雪上一枝蒿、路路通、秦艽、防己、桑枝、豨莶草、海桐皮、络石藤、雷公藤、老鹳草、穿山龙、丝瓜络、五加皮、桑寄生、狗脊、千年健、雪莲花、鹿衔草、石楠叶、藿香、佩兰、苍术、厚朴、砂仁、豆蔻、草豆蔻、草果、茯苓、薏苡仁、猪苓、泽泻、冬瓜皮、香加皮、枳椇子、泽漆、蝼蛄、荠菜、车前子、滑石、木通、通草、瞿麦、萹蓄、地肤子、海金沙、石韦、冬葵子、灯心草、萆薢、茵陈、金钱草、虎杖、地耳草、垂盆草、鸡骨草、珍珠草、附子、干姜、肉桂、吴茱萸、小茴香、丁香、高良姜、胡椒、花椒、荜茇、荜澄茄、青皮、枳实、木香、沉香、檀香、川楝子、乌药、青木香、荔枝核、香附、佛手、香橼、玫瑰花、娑罗子、薤白、天仙藤、大腹皮、甘松、九香虫、刀豆、柿蒂、山楂、神曲、麦芽、莱菔子、鸡内金、阿魏、使君子、苦楝皮、槟榔、南瓜子、雷丸、鹤虱、榧子、小蓟、大蓟、地榆、槐花、侧柏叶、白茅根、苎麻根、三七、茜草、蒲黄、降香、白及、仙鹤草、棕榈炭、血余炭、藕节、艾叶、炮姜、灶心土、川芎、延胡索、郁金、姜黄、乳香、没药、五灵脂、夏天无、枫香脂、丹参、红花、桃仁、益母草、泽兰、牛膝、鸡血藤、王不留行、月季花、凌霄花、土鳖虫、马钱子、自然铜、苏木、骨碎补、血竭、儿茶、刘寄奴、莪术、水蛭、斑蝥、穿山甲、半夏、天南星、禹白附、白芥子、皂荚、旋覆花、白前、猫爪草、川贝母、浙贝母、瓜蒌、竹茹、竹沥、天竺黄、前胡、桔梗、胖大海、海藻、昆布、黄药子、海蛤壳、瓦楞子、礞石、苦杏仁、紫苏子、百部、紫菀、款冬花、马兜铃、枇杷叶、桑白皮、葶苈子、白果、矮地茶、洋金花、胡颓子叶、朱砂、磁石、龙骨、琥珀、酸枣仁、柏子仁、首乌藤、合欢皮、远志、石决明、珍珠母、牡蛎、代赭石、刺蒺藜、罗布麻叶、生铁落、羚羊角、牛黄、珍珠、钩藤、天麻、地龙、全蝎、蜈蚣、僵蚕、麝香、冰片、苏合香、石菖蒲、人参、西洋参、党参、太子参、黄芪、白术、山药、白扁豆、甘草、大枣、刺五加、绞股蓝、红景天、沙棘、饴糖、蜂蜜、鹿茸、紫河车、淫羊藿、巴戟天、仙茅、杜仲、续断、肉苁蓉、锁阳、补骨脂、益智仁、菟丝子、沙苑子、蛤蚧、核桃仁、冬虫夏草、韭菜子、阳起石、紫石英、海狗肾、海马、哈蟆油、羊红膻、当归、熟地黄、白芍、阿胶、何首乌、龙眼肉、楮实子、北沙参、南沙参、百合、麦冬、天冬、石斛、玉竹、黄精、枸杞子、女贞子、桑椹、龟甲、鳖甲、麻黄根、浮小麦、糯稻根须、五味子、乌梅、五倍子、罂粟壳、诃子、石榴皮、肉豆蔻、赤石脂、禹余粮、山茱萸、覆盆子、桑螵蛸、金樱子、海螵蛸、莲子、刺猬皮、椿皮、鸡冠花、常山、瓜蒂、胆矾、雄黄、硫黄、白矾、蛇床子、蟾酥、樟脑、木鳖子、土荆皮、蜂房、大蒜、升药、轻粉、砒石、铅丹、炉甘石、硼砂
【**袁岚峰注：**可以参考韩启德的两篇文章：1、中科院韩启德院士：我的中西医观点“中医和西医一样吗？当然不一样。
如果说五百年以前一样不一样？完全一样。大家都是从经验来，凭经验看，不一样的是中医比西方的医学要发达得不知道多少倍，因为西医什么也没有，到16世纪中期才写了第一本解剖学的书，到18世纪才有生理学，19世纪才有病理，才有一些理论的突破。现代医学西方也是到20世纪以后才有真正的发展。
如果看150年以前，一个西方的医生看病跟中医古时候清朝时候看病没什么大的差别，差别也是一样，我们中医办法比西医多的是，西医就是安慰病人，没有别的。有一点差别，他们用氯化汞，我们是用大量有效的中药。”
“如上所述，医学科学在文艺复兴以后、随着现代科学的发展，进展非常迅速，可以说到十九世纪的中叶，医学理论已经突破许多障碍，达到相当高的水平。然而，一直到十九世纪后半叶，临床医学和药学仍然严重滞后。当时在西方，临床上并没什么多少办法治病，只有通过出汗、放血、通便等落后的办法来治疗病患，基本上没有化学合成药物可用。草药还是有的，但也远远没有我们中医药那么发达。正规的药物有什么呢？汞剂是主要的一种，用的是氯化亚汞，俗称“蓝色药丸”。那个时候不管是什么病，能给的只有这个药，可想而知是什么样的效果了。换了当今的医药管理局制度，对汞剂使用肯定是不会被批准的，因为重金属是有毒的，当时也不知道治好了多少人，又治死了多少人。”】
另一个不平凡之处是，中国古人对药材进行了疯狂的混搭运动，建了无数种药方“模型”。中国历史悠久、人口众多。中医历史总有数千年，比较成体系的也有2000年了。这么多年，这么多人，历代中医们，对几十亿人口进行了无数次“疗效”观察与训练。
常见深度学习算法的要点，就是要有相当数量的样本“打标”，人工进行标注，形成训练数据集。训练时，根据这些“答案”，反向去调整多层神经网络里的系数。而历代中医们，也不自觉地进行了无数次“打标”：病人治好了标个1，治死了标个0；治成活蹦乱跳标个1，治得有气无力标个0。这种打标工作是平凡的，是个人就能干深度学习打标。中医里观察疗效也是标准明确的，打标没难度。
打标之后，深度学习训练会根据神经网络跑出来的结果，回头调整神经网络系数。这就是“学习”，是“训练”，用机器来跑。中医体系里，没有机器，但是可以人工进行参数调整。发现人治死了，感觉是哪味药用过了；发现有效了，对新放进来的药品增强信心。这里的关键是，学习调整参数，不能搞几下就算了，要搞几百万上千万次。而历史上中医们“调参”就是多年来坚持进行，经验留在书里，下一代接着来。历史长、人口多、有传承，实践机会很多，一代代接力调参。
古代中医们学来学去，真总结出了不少经验，对不少药材的特性有了模糊的感觉，给了“温凉寒热”等各种属性。这些属性还进入了饮食文化，桔子性燥、螃蟹性凉，和人的经验直觉还能对得上。就象深度学习研发人员搭网络模型，虽然讲不清道理，但不能说是胡蒙。那些中药材品种能在历史上传下来，不是无缘无故的，肯定是经过多次的实践。当然会有不少错误的经验，但是摸对了方向的也很正常。
别国的传统医学，也可能从简单走向复杂。但是没有象中医这样，正经地成体系实践总结学习，开展了持续千年的深度学习训练。比如多国流行的“放血疗法”，作为一个独特的“替代疗法”是成立的，《潜伏》里翠萍给余则成就放过“病血”。但是框架上就没法对它进行“深度学习训练”，调参动作太单一，多放点血少放点血，不可能有什么深度。牛尿也类似，什么病都是它，这就相当于简单神经网络，能搞定一点事，没有发展了。
中医有“药方”，对各药材品种的性能有详细描述，配伍、剂量相当讲究，完全是一个成体系学习训练的框架。别国传统医学的方子，都无法与中医药体系的复杂程度相比。复杂产生质变，这就是中医在众多传统医学里一枝独秀的秘密。
大自然无比神奇。自然没有自主意识地进化，却形成了多彩多姿的世界。并不需要“现代科学”有意识地指导，只要种群繁多、年头够长，动植物就能自然选择进化出神奇的功能。中医也是如此，即使没有“现代医学”的指导，但是体系足够复杂，训练样本和时间足够长，就真的能产生一些非平凡的药方。历代中医们折腾了这么长时间，其中颇有一些才智之士，如果没有训练出有疗效的药材和方子，那才是奇怪。只要相信深度学习框架，不难看出中医发展框架的伟大之处。
例如“小柴胡感冒清”，里面的核心药材是“小柴胡”。它的疗效是用中医体系来描述的，这是不是一种借着安慰剂效应的自吹自擂？是有这种可能性，疗效和喝热水一样，双盲要做很麻烦，人得感冒情况多得很。但是这个药材经过了无数医生病人的试用，在市场上还是取得了相当的口碑。这种统计性的效果，还是有意义的。为什么治感冒是“小柴胡”颗粒，不是其它中药颗粒深入人心？把它理解成深度学习的训练选择就能理解了，不用把人的感觉全说成安慰剂效应。
再如连花清瘟，它是有历史传承的，不是随便胡编个由头就凑出个方剂胶囊。这个历史传承，不只是写在古书上，更代表了上千年的中医药深度学习训练史。没有这上千年的历史沉淀，那还是需要重新进行细致的药效检验，起码不要吃出问题。有了历史积累，就可以给多一些信任，简化测试环节，这也是符合研发原理的。面对一个新问题，胡搭一个新网络模型，还是从管用的老模型开始找感觉？研发者对老模型还是有更多信心，愿意给老模型多些机会。
三．中医药疗效的疑问解释与理论探讨
经过旷日持久的中医争吵，有很多对中医质疑的常见问题，需要进行解释，不然无法让人相信中医。另一方面，也有一些人对于中医的神奇过于夸张，从反面招黑了，这都需要指出来。
**1.**如果中医有用疗效神奇，为什么古代中国人寿命很短？
古代中国人寿命很短，远不如现代，中医的作用在哪？这是一个常见的问题，甚至可以说是中医黑粉争论的核心问题之一，吵了一百遍了。
用深度学习框架来理解就很简单了，这很正常。深度学习是能开发出一些管用的功能，但是解决不了一些简单的问题。比如排序问题，按算法原理写一段冒泡排序是正经的办法，用深度学习框架去解决就非所长了。越是这种“科学原理”清楚的问题，越是应该用经典的办法去解决。深度学习无法取代编写简单代码的程序员。
中医体系也是一样，它的理论模糊，有严重的短板，并不能代替现代医学，而是现代医学的补充。中医最严重的短板是，它解决不了各种致死的病毒、病菌。小孩碰上天花就死掉，受伤者伤口感染就完，这在古代非常可怕，人体免疫系统解决不了。古代人均寿命，是由这些可怕的致死病菌决定的，小孩养不大是常事，即使国泰民安有饭吃，得了致命的传染病也完了。古代人均寿命长期就是30多岁，小孩和年青人太容易死掉了。这是现代医学的长处，从原理上解决了大问题，是人均寿命提高的主力。
就象人们进行深度学习应用，除了训练好的多层神经网络模型，还得配上一些人工写出来的常规代码，才是一个完整的应用。从众多应用程序整体来看，还是常规代码远远多于深度学习相关的代码。蹭热点学了些深度学习入门课的人，跑到IT公司找工作是不行的，还得有常规代码能力。
**2.**中医开方子不稳定，千人千方，对每人开的方子都可能不同，各种药材混一起，是不是有问题？
其实在深度学习框架里，这种事常见得很。一个神经网络训练得不错了，它是不是还能改进，比如去掉一半的系数加快计算速度也能有同样效果？这是完全可能的。如果真是计算设备算力不够，要把神经网络规模缩一半，多半是可以重新整一个出来的。但更常见的，用多了系数也没关系，反正就是机器在那死算，多了无所谓。中药也是，不那么关键的成分多点少点，都能有疗效。
不同的医生开方子不同，这也是常见的。不同的研发者要用深度学习去解决同样的问题，搞出来的神经网络模型多半不同，但是核心技术还是相同的。
确实有些中医开的方子不管用，学艺不精，经验不足。这确实是中医的大问题，标准化不太好办。但这不是大问题，名医也不一定都灵，本来治病就有些运气成分，治不好都能理解，不会成为丑闻。中医这么多年都是如此的，经常不管用。能有旺盛的生命力，是因为治好了一些病。
**3.**中医再怎么吹，也需要面对双盲检验，不然就没有科学基础
双盲检验，确实能有效排除安慰剂效应。受试者和施治者，都不知道是服的真药还是安慰剂，统计显著的解释就是疗效。
中医药是有参与双盲检验的，在国内一些期刊上不时有测试成功的案例。有问题的是在国际上的双盲检验，还没有完全成功的。最接近成功的是天士力的复方丹参滴丸，治疗心绞痛的，2017年都到美国FDA的监床三期了，2018年9月6日和美国ARBOR公司签署在美国临床研究和销售许可协议，但仍然面临FDA不批准上市的风险。这个FDA的临床三期没有通过，但也不应该解释成失败。应该说是，能看出些统计性效果，但是需要改进，FDA的标准非常严格。
对这个问题应该这样看，我们相信中医药经过千年的深度学习，肯定是有疗效的，但是“是药三分毒”，也会有副作用。也还有一些中药，甚至是没疗效的，或者疗效不稳定不显著的。一个药，如果要到美国FDA去搞临床三期认证，要消耗巨大的资金，风险巨大。风险与收益权衡，没有多少中药去大规模冲国际市场。
否定者可以认为是中医药对自己没信心，但也可以解释为耗资巨大。甚至可以认为，这是主要原因，研发成本太高，不可能为了某种药去花上亿忙活，想都不会想。并不是中药没有成功的，其实也没几个失败的，门槛太高一共也没几种药去试。双盲试验成本太高，导致样本太小，不说明问题。如果双盲实验容易做，起码能列出一堆双盲失败的中药案例，但其实没有。
更为关键的是，双盲测试是个非常麻烦的事。哪怕是新冠疫情有这么多病人了，要准备对照组来进行实验，也不容易。由于想做实验的药品种很多，一些药甚至找不到足够病人了。对配伍出来的中药，你怎么设计实验？一堆成分混搭的，到底哪个是关键成分？对每个人都是对症下药的，上哪找那么多情况接近的病人？有没有风险？现实情况一堆的麻烦。
例如日本发生过“小柴胡汤事件”。90年代日本有百万肝病患者服用小柴胡汤，是因为1994年厚生省经过大量研究，认为小柴胡汤能改善肝病患者的肝功能障碍。这是不弱于双盲测试的疗效认可，小柴胡汤作为肝病用药被正式收入国家药典。1995年是小柴胡汤在日本的全盛期，占了汉方制剂销售额的25%。本来是个好事，但是1996年有报告说，88名慢性肝炎患者喝出了致间质性肺炎，喝死了10人。事情反转，汉方药地位在日本大降。
这个事件公平地说，小柴胡汤肯定是有统计性疗效的，正如我们相信小柴胡对感冒有疗效，不然不会这么多人喝它，正规研究也不会认可。但是搞出了问题，喝死人了，这能说是中药的错么？上百万人喝，88人喝出问题10人喝死，作用机理非常复杂，显然可以理解为这些人体质不适合喝这个汤（也有说是同时用了干扰素出的问题）。正确的方法，应该是想办法判断，哪些人不适合喝小柴胡汤，而不是把它打成有害禁掉。西药也有过敏之类的说法。
所以中药想通过FDA等国际严格认证，非常复杂。不是光有疗效就行，还有各种全方位的安全性问题，越扯越远，最后就会扯到体系的巨大区别。西药因为成分单一，疗效机理比较容易判断，哪些人不适合吃也能搞明白。中药因为成分复杂，机理复杂，所以测试要麻烦得多。
无论如何，合理的判断还是，至少有一些中医药有显著疗效。不然千年的深度学习调参白做了，全在胡搞么？只是这些疗效，要获得现代医药体系的绝对安全性与绝对疗效的认可，有一个磨合的过程。
个人认为，对于中医药疗效的评判，应该结合中医药的特点，不要完全照搬现代医药的检验理论。可以把检验原则放宽一些，方便做测试，大概率有效，总是正面的迹象，不用追求排除一切可能的绝对有效。
这不是中医的问题。中医在现代医药体系中，通过中西医结合，已经有很好的生存办法了，西医搞不好的领域也很多，中医经常能发挥不错的作用，群众基础深厚。中医不需要FDA发认证，也能过得不错。
不能西医居高临下单方面说，中医要按西医套路来。那只是一些单纯的成分，比如麻黄的药效肯定能确认，那就不是中医了，而是“废医验药”，中医只是提供一些成分提示。中医就得是，多种药组合，参数复杂，这才是深度学习的特点。要是没几个参数，那不是深度学习，不是中医。
既然中医是深度学习，那就拿它合适的领域来测试。不要拿一些简单的原则来判断，说深度学习不行。比如拿深度学习去试一些随机图，它会莫明其妙地认出了一个车，然后程序会出错，导致自动驾驶撞死人。这是深度学习的缺陷，而且无法避免，人写的算法肯定不会犯这种错。我们还是得用深度学习，但不要为难它，也不要过分相信它，要了解它的缺陷。中医也是如此，要用正确的方法去应用，也不要过于神化，要认识到一些中药成分可能是有害的。
4. 中医是有理论的，阴阳五行等等，这些理论听上去很象胡扯
中医是有很多看上去很古怪的理论。如有的中医理论认为，治疗左眼和右眼同样的病症，方法都是不同的，因为左升右降云云，一般人很难理解。
对这些理论不要过于深究，正如深度学习理论用不着去烦，应用就行了。但是也不要当这些理论不存在，中医是会基于“气”之类的理论，不然都知道如何开方子了。深度学习不断有发展，就是因为有人在进行理论研究。
中医的理论，也并不完全是胡扯，有些听上去还是有一定道理的。如有的中医理论认为人就是“一气”，人体的“气”会周期性变化，把这个“气”养好，人就健康了。这听上去有点整体论的意思，有相当可能是符合科学的，或者说与科学不矛盾。
无论如何，中医理论非常难懂，一般人肯定是学不会的。有些才智之士，学成了名医，这种情况应该也是有的。
这不是问题的关键。如本文所论证的，中医足够复杂，有千年深度学习的框架，这是中医一枝独秀的关键。中医理论有多高明，并不是最关键的。
对于中医理论中明显错误的，要大胆基于科学原则驳斥否定。中医要发展，需要坦然接受现代科学的纠正，逻辑清楚明显错误的，必须抛弃，否则就是反科学了。中医不能反科学。
另一方面，科学也需要有宽容的一面。如果不能论证中医的理论与实践是反科学的，那中医取得现代医学无法实现的疗效，应该是有可能的。