隐性知识学习——以临床模拟为例

 【摘 要】在计算机辅助心血管疾病诊断研究过程中，已有方法大多忽视领域经验的全面建模，针对此问题提出关注隐性知识的挖掘与学习策略。讨论了知识工程中隐性知识的重要性及其向显式知识转化的过程，介绍了模拟医生专家思维过程的规则推理与机器学习相结合的技术路线，分析了计算机辅助中医新方生成理念，即机器通过模拟中医思维过程给出针对某种疾病的全新处方。希望本思想能为人工智能其他领域的应用建模提供参考。

【关键词】 智能模拟 ; 隐性知识 ; 经验 ; 常识 ; 辅助诊断

1 引言

人工智能经历了超过一个甲子的探索与徘徊，与人生通常几十年的经历在时间尺度上相当，但其研究积累和应用成就总体上尚处“童稚”阶段。当年的乐观预期未能变现，导致直到如今问题依然棘手，其原因可能有三。

第一，估计不足。之所以不足，一是因为未曾经历而难知深浅，二是因为期待急切而过于乐观。

第二，方法阙如。大脑如此复杂，人们不得不承认对其研究是十分难攻克的堡垒。

第三，工具稀少。思维过程和机器实现间、宏观表现到微观机制间的“桥梁”似乎还是一座“空中楼阁”。

人工智能的进步有待认知神经科学、建模手段和方法论的共同进步。西蒙（Simon）早年指出，人工智能是一门经验科学。纵然“没有理论的行动，是盲目的行动”，就人工智能现状而言，更重要的是“没有行动的理论，是空洞的理论”。我国恰好具有广阔的应用空间与实践机会。值得重视的3点如下。

首先，目前的成就是从“计算”出发的探索，而非思维过程映像。陈霖院士提出的关于视觉计算与拓扑结构和功能层次模型、认知和计算的关系富有启发意义。

其次，钱学森先生强调的思维模拟的瓶颈在于形象思维模拟等思维科学论述高屋建