医学知识中的抽象跃迁:传统中医、认知约束与人工智能驱动的中间抽象
Year: 2026
Type: preprint
Abstract: 传统中医(Traditional Chinese Medicine, TCM)与现代生物医学针对同一个人体,却形成了显著不同的抽象架构。本文认为,这种分化的重要原因之一,并不在于两种传统是否进行抽象,“ ”也不只是其概念究竟有多 抽象 ,而在于连接临床观察与高阶医学对象的表征路径具有不同的密度。中医拥有高度抽象的概念与诊断范畴,但在若干重要领域,这些高阶概念在历史上往往通过“ ”相对较大的表征距离与现象层面的临床观察相连接。本文提出 抽象跃迁 (abstraction jump)这一概念,用以描述如下情形:认知系统将一个复杂的低阶状态空间压缩为显著更高阶的对象,却没“ ”有 在 其 间 稳 定 出 足 够 稠 密 的 中 间 表 征 序 列 。 本 文 进 一 步 提 出 抽 象 基 础 设 施 ( abstractioninfrastructure “ ”)与 抽象阶梯密度 (abstraction-ladder density)两个概念。前者指测量、干预、表征与验证等能够降低中间抽象构造成本的系统;后者则刻画观察与理论之间稳定、可操作且可独立检验的中间表征的密度。在这一框架下,证素理论等现代发展可被理解为中医内部早期的内生性阶梯增密。人工智能“ ”可能通过改变 何时必须压缩 这一临界点而将这一过程进一步推进。对于某些任务领域,如果机器维持高维关系复杂性的有效阈值高于相应的人类阈值,那么 AI 便可能延缓过早的高压缩抽象,从而允许此前未能稳定下来的中间结构被发现。不过,这类潜在结构并不会自动构成医学知识;只有在通过计算稳定性、重复验证、迁移检验、跨读数验证、增量认识论价值,以及在可能情况下通过前瞻性或干预敏感性检验之后,它们才有资格被再对象化为新的医学对象。因此,本文提出一条既不同于生物医学翻译、也不同于静态保留的发展路径。AI 可能使中医从自身经验领域内部进一步发展出更稠密的抽象阶梯,并使既有概念能够得到支持、分解、合并、修正或淘汰。由此形成的框架不仅产生一组可证伪的预测,而且提出一个更一般的假说:新“ ”的认知技术改变的,可能不只是一个知识体系 能够表征什么 ,还包括它进一步生成、细化、检验与修正知识的架构本身。关键词: 传统中医;抽象跃迁;抽象基础设施;抽象阶梯密度;认知阈值;人工智能;中间抽象;内生认识论发展;读数认识论
Authors: Li, Kaisheng, Li, Longji
Language: Chinese
Subfield: Complementary and alternative medicine
Field: Medicine
Domain: Health Sciences
Open Access status: green
OpenAlex ID: W7219635144