AI制图■张正军
人工智能领域有一种被称为“强化学习”的范式，近年来因AlphaGo击败人类围棋冠军而广为人知。强化学习的核心结构是，智能体在环境中观察状态、采取动作、获得奖励，并持续优化策略，直至找到最优解。
实际上，“强化学习”范式在很多领域都存在，比如中医2000年的临床实践，在数学结构上与强化学习完全同构。它不仅是运行历史极长的强化学习系统，而且是在样本效率、安全约束和多目标优化三个维度上都远超现代算法的真实世界学习系统。
张仲景构建了最早的“离线策略数据集”
强化学习的前提是有一组可参考的“状态-动作-结果”数据。张仲景在《伤寒论》中完成的正是这项工作。
《伤寒论》共398条条文，每一条都是一组高度压缩的临床记录。以“太阳病，头痛发热，汗出恶风，桂枝汤主之”为例，其结构为观测到特定状态，采取确定动作，预期获得特定结果。
张仲景没有发明桂枝汤，他做的是另一件事：把汉代以前散落于民间、师徒口传的临床经验，首次系统化为一个结构清晰的方证对应系统。这相当于构建了一个“离线策略数据集”。即便在没有数据存储技术的时代，也实现了经验的结构化保存和跨代传递。后世医家在这一数据集的基础上进行在线学习和策略微调，这正是强化学习中的“离线预训练+在线微调”模式。
孙思邈实现了“在线探索”与“终身学习”
强化学习系统需要在已知策略的基础上不断探索新策略。孙思邈的医学实践，恰恰体现了这一特性。
孙思邈突破旧有框架，大胆吸收民间医药技术并首创“阿是穴”。他不是按照固定教科书取穴，而是在患者“啊”的一声痛处下针。这在强化学习术语中属于“动态动作生成”：不依赖已有策略空间，根据环境反馈实时创造新动作。现代强化学习尚不具备这种能力，而孙思邈在1000多年前已通过临床直觉实现了它。
孙思邈的《千金要方》和《千金翼方》合计收录方论近8000条，这不是简单的方剂汇编，而是对策略空间持续拓展的记录。他的终身学习策略，为中医策略体系的持续扩展奠定了基础。
吴鞠通演示了“思维链”与“离线反思”
吴鞠通著《温病条辨》，创立三焦辨证。他有一句话，放在今天的强化学习论文中也不显突兀：“进与病谋，退与心谋，十阅春秋，然后有得。”
“进与病谋”是在线交互，在临床中执行策略、收集反馈；“退与心谋”是离线反思，离开临床后，重新审视自己的决策逻辑，反复追问“我为什么这么判断”“有没有更好的动作”。他在十年间反复进行这种自我追问，逐步迭代出自己的温病诊疗策略体系。
这正是当代大模型通过“思维链”实现的核心能力：推理、反思、修正。吴鞠通在清代，没有计算机，没有数据标注，仅靠临床笔记和反复自我追问完成了同样的工作。他不是在写一本书，他是在写自己的策略迭代日志。
汪昂完成了“知识蒸馏”
强化学习系统面临一个长期难题：策略网络一旦变得复杂，就难以传递和部署。汪昂解决了中医版本这个问题。
他用了大约30年时间，将历代方剂知识反复筛选、比对、归纳，最终写成《医方集解》和《汤头歌诀》。《医方集解》以病机为纲、方剂为目，使学医者得以从“为什么用这个方”而不是“这个方治什么病”的角度理解方剂。而《汤头歌诀》则将数百首核心方剂编为韵语歌诀，朗朗上口，便于记诵。
这正是“知识蒸馏”的核心逻辑：把大模型（海量方剂经验）压缩为小模型（歌诀/方解），保留核心策略，删除冗余信息，使知识可以在人脑有限的计算资源下高效传递和部署。汪昂的工作确保了中医的核心策略不会因年代久远而失散，也不会因信息过载而无法传承。
中医强化学习系统的3个独特优势
现代强化学习系统的训练需要海量试错。AlphaGo下了几千万盘棋才达到超人类水平，而历代名医一生所见的患者数量远不及此，却提炼出了可泛化的诊疗规则。中医的样本效率至今仍是现代强化学习难以企及的目标。
现代强化学习允许随机试错，但医疗决策不允许致命错误。中医的“探索”始终在安全边界内进行，受经典理论和师承经验约束。它是一套在极高安全约束下持续运行的真实世界强化学习系统。
现代强化学习通常只有一个优化目标，而中医要同时实现治标、治本、顾护正气、预防复发。其奖励信号常延迟到数年之后才能确认，是一个多目标、稀疏奖励的强化学习问题。
中医在这3个维度上，都比现代强化学习系统更具挑战性，却持续运行了2000多年而未崩溃。
极大逻辑智能的数学收敛
笔者团队近年提出的“极大逻辑智能”，从数学上揭示了这套系统可能收敛到的核心原则。
复杂疾病的本质，不是多个风险因素的线性叠加。它更像森林火灾：系统状态不由平均温度决定，而由最高温度的那个点决定。只要任何一个风险节点失控，整片森林就会燃烧。
中医的“辨证求因”，本质上就是在找那个最先失控的节点。极大逻辑智能用数学语言重写了这一逻辑：系统状态由最大值决定，而非平均值。这一框架已在脓毒症、结直肠癌、肝癌、新冠等多个疾病中得到验证，个位数基因即可跨人群、跨样本类型实现接近百分百的分类精度。
中医2000多年的临床轨迹与人工智能的极大逻辑，正在收敛。
公元3世纪，张仲景在《伤寒论》序言中写道：“怪当今居世之士，曾不留神医药，精究方术，上以疗君亲之疾，下以救贫贱之厄，中以保身长全，以养其生。”
1800年后，笔者斗胆改写为：“怪当今居世医士，曾不留神极大，精究逻辑，上以达学业之精，下以救大众之厄，中以保身长全，以养其生。”
（作者系北京中医药大学数据科学与人工智能学院教授、创院院长）