基于DIKWP的中西医语义融合与主动医学战略研究

段玉聪

人工智能DIKWP测评国际标准委员会-主任

世界人工意识大会-主席

世界人工意识协会-理事长

(联系邮箱：duanyucong@hotmail.com) 

摘要： 本报告围绕中医诊疗过程中大量对“信息”而非纯粹“数据”的处理特征，探讨中医科学化不应被简单等同于中医的数据化。我们基于段玉聪教授提出的DIKWP模型（数据-信息-知识-智慧-意图）及其语义数学、人工意识白盒测评等理论，强调中医语义体系的优势，提出构建“概念空间 → 语义空间 → 主动AI → 主动医学”的技术主线，实现中西医语义的无损对接。通过分析中医“信息-能量场”调节模式与西医“数据-信息场”处理的异同，结合国内外语义计算、AI语义建模和中西医融合的最新理论与政策进展，提出一种以DIKWPaaS为核心的主动医学信息调节服务体系架构，并构建“道-德-仁-义-礼”五层语义框架解释主动AI系统中信息场调节的作用。最后，展望中医语义智能的未来演化方向，阐述中医理论的语义优势、主客体互嵌性和目标导向性对主动AI模型构建的启示。

1. 段玉聪教授理论综述：DIKWP模型、语义数学与白盒测评

DIKWP模型的提出： 段玉聪教授构建了DIKWP模型，将人工智能的认知过程划分为数据（Data）、信息（Information）、知识（Knowledge）、智慧（Wisdom）和意图（Purpose）五个层级。这一模型是在传统DIKW（金字塔模型）的基础上增加了最高层的“意图（Purpose）”，从而形成一个完整的五层认知体系。意图层的引入突出了目标导向的重要性，使AI系统具备对最终目的和动机的考虑。与经典的线性DIKW层级不同，DIKWP模型强调各层之间双向反馈、迭代更新的网状交互结构。换言之，较高层的知识、智慧和意图能影响对较低层数据和信息的选择与加工，实现主观意图驱动的认知循环。这种设计使AI决策过程既包含客观信息的提炼，也融入了主体目的和价值观的引导。段玉聪教授指出，DIKWP模型为人机构建了共同的认知语言，每一步决策均可追溯和解释；特别是通过嵌入“目的”这一关键层，确保AI始终服务于人类的价值观和安全需求。

语义数学与白盒测评： 为了将DIKWP模型落地，段玉聪团队进一步发展了语义数学方法，用于对认知各层的语义内容及转换关系进行严格定义和形式化表示。简单来说，语义数学就是用数学结构（如向量空间或图谱）表示概念语义及其关系，从而使AI能够自动执行不同层次之间的语义映射与转换，并进行一致性校验。这种形式化机制增强了认知空间的封闭性和语义一致性，被期望能减少大模型的幻觉倾向。基于DIKWP和语义数学，段玉聪教授提出了人工意识白盒测评体系，用来分析和评估AI系统在各认知层次的能力。与传统黑箱测试只看输入输出不同，白盒测评将模型处理过程分解到数据、信息、知识、智慧、意图五个环节，逐一考察，能够全方位解析模型的感知、推理与决策过程。这一方法已用于对主流大语言模型（LLM）“意识水平”的评估，对每个模型在感知与信息处理、知识构建与推理、智慧应用与问题解决、意图理解与调整等模块的表现进行量化分析。实践表明，该白盒测评体系突破了传统仅侧重语义理解和推理的模式，为AI模型提供了可解释、可追溯的认知能力剖析，有助于发现模型存在的语义不一致和“幻觉”问题。例如，通过将LLM回答过程投射到DIKWP各层，研究者可以定位模型在哪一层出现了偏差：是原始数据理解错误，抑或知识推理不当，亦或偏离了提问意图。这种精细化的测评有望降低大模型的幻觉倾向（如通过约束各层语义转换的闭环一致性），从而提高AI系统输出的真实性和可靠性。

理论意义与创新： 段玉聪教授的DIKWP模型体系在学术上具有重要创新意义。一方面，它为“人工智能如何进一步接近人类智能”提供了新的框架：通过加入意图层，AI不再仅仅被动处理数据，而是具备了主动追求目标的内在驱动力，这被视为迈向强人工智能和人工意识的重要一步。另一方面，语义数学+白盒测评方法则为AI的可解释性与可控性探索了新路径：AI的“思维过程”可以以人类可理解的方式呈现，其每一步推理都有明确语义定义，做到“知其然并知其所以然”。这套理论体系目前已产生了大量知识产权成果（据报道段玉聪教授已获授权发明专利114项）。这些专利涵盖从大模型训练、人工意识构建、认知操作系统到AI治理和隐私安全等领域。例如，其中提出的将DIKWP模型嵌入AI系统内部形成“语义操作系统”的方案，可以将LLM的推理过程分解监控，每一环节用数学定义保障决策可解释、过程可追溯；再如“双循环”认知架构引入元认知自我监控，实现AI的自我反思与调节，被视为构建具初步自我意识AI的新方向。总之，段玉聪教授的理论将数据、知识与目的紧密融合，展示了从黑盒走向白盒、从被动走向主动的AI未来图景，为后续章节探讨中医语义建模与主动医学奠定了基础。

2. DIKWP语义转换与语义空间建模在中医信息处理中的价值

中医诊疗过程中蕴含着丰富的语义信息。医者常通过望闻问切等获取大量定性描述（舌苔、脉象、症状表述等），并用高度概括的术语来表达病机与证候（如“肝火旺”“肺气虚”“风热犯肺”等）。这些术语往往浓缩了多层次含义，既包含具体症状与体征（数据层），也包含对病因病理的抽象概括（知识层），甚至体现了中医治疗取向（智慧/意图层）。如何在不损失语义的前提下，将中医复杂信息进行模型化处理，是中医AI面临的核心挑战。过去一些做法试图用西医的术语体系直接对应中医概念，或者生硬地将中医经验量化为几个指标，但这往往导致中医语义的丢失或扭曲。正如段玉聪教授所指出的，中医科学化不能简单等同于“用西医语言重新表述中医”，强行将中医丰富的信息模式简化为少量数据，不但难以完整刻画中医知识，反而有可能破坏其整体观和语境关联。为了解决这一问题，DIKWP语义转换机制和语义空间建模技术显示出独特价值。

多层语义解构确保语义无损： 基于DIKWP模型，可以将中医术语所蕴含的多层意义逐级解析，分别加以转换，再重构为目标语境下的表述，同时尽量保持原义不变。例如，对于医师一句“风热犯肺”的诊断，其背后包含：患者有哪些具体症状和体征（数据层面，如发热、咽痛、咳嗽等表现），这些表象提炼出的病机信息（信息层面，如外感风热邪气侵袭肺部），医生据此形成的病理知识判断（知识层面，如肺热内盛的机制），以及基于知识的治疗策略倾向（智慧层，如宜疏风清热）和治疗意图（Purpose层，如预防邪毒内陷、尽早清解肺热）。传统上，如果直接把“风热犯肺”硬翻成“肺部感染”等西医词汇，显然无法传达这些层次丰富的内涵。而DIKWP方法允许我们逐层拆解：“风热”对应何种外感因素（病因信息）、有哪些症候表现（数据/信息）、对肺功能造成何影响（知识），需要采取何种调节措施（智慧），此诊断体现了医生怎样的防治意图等。然后再将每一层内容分别转化为目标受众易懂的表述，最后有机组合成连贯解释。这种分层解构-重构的方法极大提高了信息转换的信达雅程度，即在保证医学含义准确的前提下，使表达通俗易懂且形式得当。实践案例表明，采用DIKWP语义视角对中医诊断术语进行白话化解构，能够有效保留核心医学含义而不走样，又显著提升非专业受众对概念的理解接受度。这对于中医知识科普和双语转换都有重要意义，避免了简单直译导致的信息缺失或曲解。

语义空间到概念空间映射： DIKWP模型衍生的语义数学为上述转换提供了形式化支撑。通过为中医概念构建一个专业语义空间（包含术语及其关联的结构化语义网）并为受众构建其概念空间（例如学生现有的知识体系），AI可以在两者之间进行映射。具体而言，专业的中医语义空间可能体现为一个高维向量或知识图谱，节点表示概念（如风、热、肺、邪气等），边表示语义关系（如因果、归属、关联等）。概念空间则表示目标受众所熟知的概念框架（如现代生物学概念体系）。语义映射算法通过数学方式（如向量变换、图谱对齐）将专业概念逐一对应到受众熟悉的概念上。段玉聪教授团队设计的学习型AI对话系统就体现了这一点：AI模拟中医师思维，将语义空间（中医专业概念网）映射到概念空间（学生的知识体系）上，逐步讲解病理概念。在这一过程中，AI引入主观的“同-异-完”自检机制，即自动检查：转换后的表述与原意是否相同（同），措辞表达是否做了必要的不同调整（异，以适合受众认知），内容是否完整无遗漏（完）。通过这样的闭环优化，确保最终输出的解释既忠实于原始中医语义，又对受众来说充分清晰全面。这种语义空间映射技术在中医信息处理中的价值在于，它提供了语义无损对接中西医的途径：我们不需要牺牲中医概念的精妙内涵，也无需强行套用西医范畴，而是可以借助语义中间层，将两种不同语言体系的知识做到同义互解。长远来看，这种方法可用于构建中医与西医知识的双语本体（ontology）或知识图谱，实现不同医疗体系认知的互认与互通。

知识图谱与语义建模： 除了术语转换，DIKWP模型还能指导中医知识的语义建模和推理。中医理论庞杂，包括经络学说、脏腑阴阳学说、方剂配伍经验等。如何让AI“理解”并运用这些知识？DIKWP提供了一个框架：可以按照数据→信息→知识→智慧→意图层次来组织中医知识库。例如，基础数据层收录历代医案的原始记录、患者症状体征的数据集；信息层提炼症状与证型之间的关联规则（如某些舌苔脉象组合常对应某证型）；知识层存储中医理论条目（如“五行学说认为肝属木”或“肺主宣发肃降”等）以及现代医学相关知识供对照；智慧层则记录历代名医治疗某类疾病的经验法则、辨证施治的策略；意图层体现医者的医疗目标和哲学（如“治未病”的预防意图、“人体须天人合一”的整体观指导等）。在这样的知识图谱中，不仅包括现代医学知识，也纳入传统医学理论，以多学科融合形成对健康的全面认识。AI在应用时，可以先根据患者的具体数据，在知识图谱中沿DIKWP层次查找推理：从数据匹配出可能的证型信息，从信息关联到相关理论知识，再根据知识层提供的中西医结合见解制定智慧决策方案，最后验证其与预期治疗意图的一致性。段玉聪教授的研究团队已经尝试利用DIKWP模型构建不同医生的诊断DIKWP图谱，并与标准知识图谱比对，以评估诊断的一致性和质量。这说明通过语义建模将专家经验和认知过程显性化，不仅有助于训练AI，也可以用于分析人类医生的决策模式，从而提高中医诊断的规范性和可信度。

综上，DIKWP语义转换机制为中医信息处理提供了一条语义无损的科学化道路。它并非简单地将中医数据化，而是尊重中医的语义特点，通过严谨的分层语义解析和映射，既保留中医理论的精髓，又使之可以被现代AI系统理解和利用。这对中医的科学传承与创新具有重要意义，可避免中医“西医化”带来的语义阉割，真正实现中西医平等对话。

3. 中医“信息-能量场”调节模式与西医“数据-信息场”处理的异同

中医和西医在看待人体健康与疾病的思维模式上存在显著差异，但两者并非截然对立，而是各有所长，互补融合。在段玉聪教授倡导的主动医学框架下，引入了“信息场”和“能量场”两个维度来统摄中西医观点。信息场可以理解为人体内外各种信息的集合，即描述身体状态的所有客观数据和信号所构成的语义空间；能量场则是人体内外各种形式能量（如生物电、生物磁、生物力）的流动与分布状态。两者共同决定了人的健康水平：信息场侧重内容和信号，能量场侧重动力和平衡。这种提法试图为中西医找一个统一的表述，因为西医更擅长处理可测量的数据和信号（信息场），而中医更强调生命过程的能量动态和平衡状态（能量场）。

西医视角：数据-信息场的分析 – 西医在疾病诊疗中奉行基于证据的实证方法，更加强调**“数据”和“信息”。医务人员通过现代仪器和检验手段获取各种生理、生化数据（血压、血糖、影像、基因等），再经过统计分析和知识推理，将这些原始数据转化为有意义的信息（如诊断结论、指标异常提示）。例如，多次血压测量整理后可得到“血压持续升高”的信息；结合医学知识可进一步上升到“高血压病”这一知识层面的诊断和发病机制解释。整个过程中，西医严谨地将客观数据作为基础，并依赖生理学、病理学知识框架将信息综合为对疾病的认识。可以说，西医构建了庞大的“数据-信息场”医疗体系：实验室检查、影像扫描、生命体征监测等不断生成数据流，通过医院信息系统和决策支持系统加工为医生可以直接运用的信息和诊断。在现代医院中，各种临床数据被源源不断采集，电子病历和CDSS（临床决策支持系统）帮助医生提炼有临床意义的信息，如自动提示异常值和历史趋势。这体现了西医擅长在信息场中找出疾病的信号和模式，从而精确定位生物医学问题。然而，西医传统上对能量场关注较少。尽管在物理医学（如康复理疗、电刺激治疗、核磁成像等）中涉及能量形式，但西医更倾向于将其视为局部干预手段**或诊断技术，对能量在整体健康中的平衡概念并没有系统理论。

中医视角：信息-能量场的整体调节 – 中医则基于“天人合一”“气一元论”等哲学，将人体看作信息流和能量流交织的有机整体。中医古代文献虽未使用现代术语，但其理论核心可对应于信息场和能量场的思想。例如，“气”可以理解为人体的基本能量，被认为在经络中运行以维持生命活动；气的充盈与平衡决定健康，“正气存内，邪不可干”，正是说体内正能量足，则不易生病。若气机失调（过强过弱）或经络不通，就会导致阴阳失衡、脏腑功能紊乱，出现相应症状。治疗上，中医针灸按摩等即是调整能量场局部分布（通过刺激穴位疏通经络，使气机恢复平衡）。从信息角度看，中医诊断非常重视全息信息：通过舌象、脉象、面色、问诊等收集全身状态的征象，并以综合模式（八纲、脏腑辩证等）概括疾病本质，这些模式本质上是对信息场中关键变量及其关系的高度提炼。例如，“肝郁化火”这一证，包含了情志抑郁的信息以及肝脏功能亢奋的生理信息。中医所说的“症候”，实则是信息场中各种表现的关联组合，对应着能量场的特定失衡类型。

异同与互补： 概括而言，西医长于分解分析，可测量的数据和局部指标是其基石；中医长于综合平衡，宏观的能量流动和整体功能协调是其关注点。西医的信息场更倾向于定量和结构化（如化验数值、影像特征），中医的信息场则更多是定性和系统性的（如症状模式、舌脉征象）。在能量概念上，西医没有与中医“气”完全等价的概念，但现代科学逐步发现一些对应之处，例如经络的存在有研究用红外成像、电阻抗测量得到一定支持，经络可能对应神经-体液网络；又如印度传统的脉轮学说与内分泌腺位置功能有一定重合。这提示传统医学的能量场理论并非全无客观依据，可能与现代生理存在关联点。主动医学正是借鉴这两方面，认为健康是信息场与能量场的协调统一：当信息交流通畅、能量充沛平衡时，人体处于自组织的健康状态；反之，信息堵塞或能量紊乱就可能致病。因此需要同时理解和调控信息场与能量场。

在实践中，中西医结合的趋势越来越明显。现代医学已经开始重视整体和能量层面的因素，例如将心理压力、生物节律等（可视为信息场的一部分）纳入慢病管理；物理疗法、太极瑜伽等能量医学手段也受到关注。而中医也在借助西医的检查手段和数据分析来验证和丰富自身理论，如用脑电图监测针刺疗效，用分子生物学研究草药机制等等。这种结合在段玉聪教授的DIKWP框架中体现为：在知识层融合多学科知识，包括现代医学对疾病机制的认识和中医对能量平衡的理论，从而形成对健康问题更全面的认知。举例来说，对于一位长期压力导致失眠心悸的患者，西医知识会考虑交感神经亢进、内分泌失调等因素，中医知识则可能判断为“肝火旺”或“心肾不交”。两者各提供不同视角，经由DIKWP知识层的图谱融合，我们能够联系起生理指标和能量症候之间的对应关系，使对病情的理解更加丰富准确。信息层面，西医的数据分析可发现客观异常（如心率逐日升高、睡眠减少），能量层面，中医的观察可察觉精气神的变化（如患者神疲、脉弦）。将这些信息综合于知识图谱，我们建立起从信息场到能量场的联系。例如，心率升高+失眠的客观信息，可用西医知识解释为慢性应激状态，也可由中医知识解释为心肾不交所致；两种解释在本质上指向机体紊乱的不同层面，但并行不悖。最终在智慧层，可以制定兼顾两方面的处理方案：既考虑调整生活方式、放松训练等恢复自主神经平衡（针对信息/生理层面），又考虑中医药或养生手段滋阴潜阳、调和心肾（针对能量/功能层面），从双重途径提升疗效。这正是主动医学倡导的多学科融合防治思路。

小结： 中医的信息-能量观与西医的数据-信息观，各有侧重但目标一致——都是维护人体的稳态和平衡，只是表达语言和操作手段不同而已。现代科技的发展提供了契机，将两种体系的长处结合起来。通过DIKWP这样中立的认知框架，我们可以一方面利用西医的精确数据监测（信息场观察窗口），另一方面引入中医的能量调衡理念来解释某些难以量化的现象，从而丰富智慧层的决策。如段玉聪教授所言：“西医重数据指标，中医重能量平衡，两者结合将使认知更丰富”。这种结合将有利于我们开发主动医学的新模式：提前识别身体发出的各种信息信号，理解其背后的能量失衡，并主动进行全方位干预，真正做到“治未病”和以人为本的健康管理。

4. 语义计算、AI语义建模与中西医融合的国内外进展

随着人工智能的第三次浪潮兴起，学术界和产业界都认识到仅靠大数据驱动的深度学习存在瓶颈，融入语义知识与可解释机制是下一代AI发展的关键。中医与人工智能的结合恰好提供了一个典型场景：如何让AI理解和处理高度语义化的知识体系，并与现代医学数据融合。这一领域近年来在国内外均有不少进展。

国内进展： 中国对中医药与AI融合高度重视，推出了一系列政策和研究计划。例如，国家自然科学基金委员会2025年度发布重大研究计划指南，明确指出当前AI方法**“鲁棒性差、可解释性差、对数据依赖强”等问题，号召发展可解释、可通用的下一代AI方法**。其中强调要“通过规则与学习结合的方式，建立高精度、可解释、且不依赖大量标注数据的AI新方法”。这实际上为语义计算与知识融合AI指明了方向。目前国内不少团队正致力于知识图谱、语义网在医疗AI中的应用。例如，在中医领域，已经构建出大型的中医药知识图谱，并将其用于辅助诊断和新药研发。报道显示，某中医AI企业经过8年积累，构建了完备的中医知识图谱体系，涵盖上千万条中医自然语义数据。在此基础上，该团队训练了名为“岐黄问道”的中医大模型，使其生成能力建立在扎实的知识库之上。华为、阿里、科大讯飞等科技公司也相继推出中医药大模型，将自身算力与算法优势应用于中医药传承创新。据不完全统计，仅2023年以来亮相的中医药相关大模型就有数十个。这些模型应用场景包括问诊导诊（如中医对话机器人），辅助诊疗（如辨证论治建议），康复健康管理，以及新药研发等。例如，天士力集团开发了“数智本草”大模型，学习了海量中药古籍、文献和临床方案，参数规模达380亿。又如太极集团联合研发的中药大模型，整合了2000余万条覆盖中药全产业链的数据，为药材种植、质量控制提供智能支持。这些探索体现了国内在语义建模和知识驱动AI方面的积极进展。

当然也要看到挑战。一方面，中医临床数据的收集和标准化困难重重：不同医院记录的症状表述不一，名老中医的宝贵经验散落在纸质医案中，尚未系统数字化。许多专家指出，如果没有应用场景的反馈数据，“中医大模型”容易成为空中楼阁。因此，当前国内在推进中医电子病历规范、构建标准化中医语料库等基础工作，并探索利用联邦学习等技术汇聚各医疗机构的数据。在政策层面，《“健康中国2030”规划纲要》《中医药发展战略规划纲要》等文件都强调中医药现代化与中西医结合，鼓励利用大数据和AI提升中医药服务能力。2021年起，国家中医药管理局启动了中医药循证能力提升行动，建设中医临床科研数据中心，为AI模型提供高质量训练数据。可以说，国内正从数据资源、算法方法和政策支持多方发力，将语义计算与中医融合推向深入。

国外进展： 在国际上，随着对可解释AI和融合知识的重视，许多研究与举措也与本课题相关。首先，语义技术方面，早在2010年代欧美就有医学本体（如SNOMED CT、UMLS）用于标准化不同医学概念的语义。虽然这些本体主要基于西医，但也为整合中医提供了框架。2019年，世界卫生组织（WHO）在其疾病分类ICD-11中首次纳入了传统医学章节，提供了一套中医证候分类的编码体系。这意味着全球范围内，中医诊断有了被官方承认的语义标准，为中西医数据和统计的并行记录创造了条件。学者指出，这一举措不仅是ICD的里程碑，也是中医走向世界的重要一步，因为它使统计数据能够覆盖西医以外的信息。其次，融合AI方面，国外兴起了知识增强的语言模型研究，即通过引入外部知识库、约束逻辑规则来减少大模型出错。一些团队尝试将医学指南和教材融入ChatGPT等模型，使之在回答医疗问题时不仅依赖训练语料中的表层文字，更参考权威知识，从而提高准确率。这与语义建模思想相通：让AI“知道它在说什么”。此外，在传统医学融入主流方面，美国、欧洲等也逐步接受针灸和草药等疗法，有些医学中心成立了整合医学部门（Integrative Medicine）将针灸冥想等纳入常规医疗。这种态度转变为中西医语义对接创造了良好环境。值得一提的是，一些国外研究者开始用系统科学观点看待中医，例如将人体生理视为复杂网络，用网络分析来诠释经络系统，以期找到中医理论与现代生物科学的结合点。

语义计算技术演进： 广义来看，AI领域正在经历从“感知智能”向“认知智能”的升级，即从侧重模式识别转向理解和推理。这要求机器具备对概念和语义的建模能力。知识图谱（Knowledge Graph）作为语义计算的重要载体，已在互联网搜索、问答系统中发挥巨大作用。在医疗AI中，知识图谱用于辅助诊疗决策已有不少成功案例，如IBM沃森曾构建肿瘤学知识图谱帮助医生制定个性化治疗方案。现在的大语言模型也开始结合检索和知识库，例如ChatGPT+WolframAlpha结合以提供有依据的答案。这些趋势都说明，语义层的引入正在让AI变得更可靠、更透明。针对LLM常出现的“幻觉”问题，业内共识是需要加入符号推理和约束规则。段玉聪教授的白盒DIKWP测评在国际上引起关注，就是因为它提供了一种可行框架去嵌入知识与语义检查，提升模型输出符合真实情况和人类价值。从政府层面，美国DARPA早些年启动了“XAI”计划研究可解释AI，欧盟在AI Act立法中也强调高风险AI系统的可解释和可追责。这些都和“让AI看懂自己的知识和语义”这一目标相契合。

中西医融合政策： 世界卫生组织发布《2014-2023传统医学战略》，鼓励成员国融合传统医学服务于公共健康。许多国家（如澳大利亚、韩国）已将针灸纳入医保体系。在中国推动下，WHO于2022年创立了世界传统医药日。可以预见，各国政府会更加重视传统医学与现代科技结合的政策扶持。中国在这方面走在前列，不仅在顶层文件中提出“中西医并重”，还通过建立中医药海外中心、举办世界中医药大会等推动中医语义体系在全球传播。中国工程院也成立了专门的中医药与人工智能结合课题组，连续发布了《中医药智能化发展研究报告》，提出发展“智能辨证”、“智能制药”和“智能健康服务”等。这些政策和研究动向表明，中西医语义融合与主动医学理念已从学术探讨走向实践应用的规划阶段。

综上所述，无论是在语义计算的学术前沿，还是中西医融合的政策导向，都出现了从数据走向知识、从黑箱走向白箱、从被动走向主动的明显趋势。我们正处在一个关键点：有机会将悠久深邃的中医语义体系与现代AI技术结合，创造出新范式的医疗智能系统。这既响应了AI界对语义与解释的追求，也契合了医疗界对整体与人文的需求。

5. “道-德-仁-义-礼”五层语义框架：主动AI信息场调节机制诠释

为了更深刻地阐释在主动AI系统中信息场调节的作用，我们引入中国传统哲学中的“道、德、仁、义、礼”五层价值范畴，构建一个语义框架来类比DIKWP各层在主动医学中的功能。这五个层次对应着不同的语义重心：礼强调秩序规范，义强调公正正确，仁强调关怀人本，德强调内在涵养，道强调最高的自然之境。段玉聪教授在其主动医学思想中，也多次引用儒道思想来赋予技术体系以人文内涵。下面我们逐一说明这五层在主动AI信息场调节中的含义。

• 礼（Propriety）——秩序与规范的语义层： “礼”在儒家思想中指社会行为准则，使群体和谐有序。对应到主动医学的信息场，“礼”代表对数据与行为的规范。这包括遵循医学数据采集和使用的法规、伦理和隐私保护要求，确保信息场中的各类数据井然有序地流动。在AI系统中，实现“礼”意味着建立严格的数据治理和流程管理：例如，遵守知情同意和隐私政策来收集患者健康数据，不越界侵犯个人信息；按照医疗指南和标准流程处理数据，不擅自偏离规范。这确保了信息场的和谐秩序。具体落地上，一要合乎生理节律，即AI干预建议要符合自然作息、季节规律，不违背生物钟（比如健康管理App遵循昼夜规律发送提醒）；二要尊重隐私与意愿，收集和分析数据时兼顾科学性和礼节，不因过度监控而逾矩。总之，“礼”层语义框架提醒我们，主动AI调节信息场时，秩序和礼法不可破，这奠定了整个系统可信和可持续的基础。

• 义（Righteousness）——公正与正当的语义层： “义”指做事合乎正道、秉持公正正义。在主动AI医学中，“义”体现为正确判断与决策的原则。AI对患者信息场的分析必须客观公正，不被商业利益或偏见干扰，这是数据分析的正当性。例如，算法在推荐治疗方案时，应基于最佳科学证据和患者利益，而非因为某种药物盈利高就优先推荐——这就是坚守“义”。另外，“义”还意味着不争强好胜，不为技术之争而忽视患者福祉。在复杂医疗情境下，AI不应陷入无谓的内部争论或不确定性纠结，而要以正直、公允的态度综合各方信息做出判断。段玉聪教授引用“不辩以为义”，意在说明智慧决策时不执迷于争论谁对谁错，而注重通过信息与能量的相互印证，达成兼容并包的最优方案。在智慧层，这意味着AI在平衡各种因素后给出折衷且具有共识性的建议，而不是一味坚持单方面意见。因此，“义”层提醒我们，主动AI对信息场的调节必须公正正当：既要保证数据处理透明可靠，又要在决策上符合伦理正义，不偏不倚地服务于患者健康。

• 仁（Benevolence）——关爱与人本的语义层： “仁”是儒家道德的核心，强调对他人生命的关爱和同情。在主动医学AI中，“仁”意指以人为本的关怀和温和的干预态度。“不争以为仁”，就是说医疗过程应避免对抗性、强制性的做法，而采用柔性的、共情的方式。具体表现在：医生（或AI）与患者的关系应是合作伙伴，共同探讨健康方案，而非居高临下命令患者。AI提供建议时，要考虑患者的感受和意愿，不把患者视作被动对象。这与今天强调的“以患者为中心”不谋而合。例如，主动医学主张减少过度医疗，尊重患者自主权——这些都是“仁爱”的体现。在AI实现上，可以通过人性化的交互设计、情感计算等手段来传递温度，让患者感到被理解和支持。此外，“仁”也指患者对自己的态度：要宽容接纳自身的局限，不苛责不怨恨，保持乐观平和心态面对康复。AI可辅助心理疏导，鼓励患者自我关爱而非焦虑内耗。在能量场上看，“不争”即不让负面情绪消耗能量，要引导正面能量流动，这有利于长期健康稳定。因此，“仁”层语义框架赋予主动AI一种人文关怀的原则：技术再先进，也要温润如玉，以仁心仁术融入医疗，真正做到“医者父母心”。

• 德（Virtue）——节制与谦逊的语义层： “德”在传统文化中指内在的道德修养和外在的善行统一，被视为高尚人格的体现。对于主动医学AI系统来说，“德”意味着节制、谦卑，不滥用技术。“不取以为德”，可以理解为不贪婪、不过度索取。应用到医疗上，一方面指不要对患者滥用医疗资源和过度干预——过犹不及有悖健康之道。比如，有的智能系统可能频繁提醒检查、过度治疗，这其实违背了自然与经济的平衡，应以节制为美。另一方面，针对AI研发者和医务者，“德”要求保持谦虚审慎的态度。AI虽强，仍应尊重医学规律和个体差异，不可妄图以技术万能心态取代一切。医生在与AI协作时，也要坚守医德，不因为有AI辅助就放松对病人的关怀或对决策负责。“德”层还体现为对自然的尊重和敬畏：主动医学提倡顺应自然而不违逆，AI介入需适度不过度。例如，在慢性病管理中，AI应帮助患者找准生活调理的节奏，而不是一味追求快速激进的改善，那样反而容易导致反弹。通过节制，使能量场在温和节奏中回归正向流动，这正符合儒家“中庸之道”的德性内核。总结来说，“德”层语义强调克制与善意：AI系统要有内在的“自律”，不为了效率或收益最大化而透支患者、过度介入，而是保持谦和与有度，将患者利益和长期平衡放在首位。

• 道（Dao）——自然与和谐的语义层： “道”是中国哲学最高的范畴，老子谓之“万物之本源”。在健康观上，“道”代表着人与自然、身心灵高度和谐的理想境界。对于主动医学AI来说，“道”层意味着追求一种无为而无不为的智慧，即AI干预达到炉火纯青之境，不着痕迹但成效卓著。当信息场与能量场经过前述各层调节后趋于高度平衡，系统的外在干预频率和幅度都可降至很小，看似“不动”，但实际上维持了全局的稳态（“无为而治”）。这一层体现了主动医学的终极目标：让每个人能量自由，即自身的自适应、自我调节能力极大提升，不再过度依赖外力。AI如果能引导患者逐步进入这种自主高阶健康阶段，那么AI最终存在的形式可能也是“无形”的——更多扮演幕后智囊，而不是前台干预者。以慢病管理为例，在理想状态下，患者在AI长期辅助下已经掌握了自我管理之道，养成了良好习惯和心态，此时AI只需很少提醒，甚至不再主动介入，而患者依然能保持健康。这就是“道”层次的体现：医乃不医，机体达到天人合一、自我趋调的自由状态。技术上，这意味着AI达成了高度智能与人本融合，它对环境与个体变化有极强的适应性，可以顺势而为而不强行干预。同时，“道”也有社会意义：当个体健康达到身心灵的和谐，他们往往能激发更大的创造力和同理心，为社会带来正向贡献。所以，道层不仅指个人的最高健康境界，也是群体文明的更高和谐状态。主动AI若能助人趋近此境，便真正实践了“技术向善”，成为人类智慧的一部分。

通过以上“道-德-仁-义-礼”五层框架的阐释，我们可以看到，中医人文思想所蕴含的五重精神，与主动AI系统中各层信息场调节机制有着惊人的契合。它提醒我们在设计主动医学AI时，不仅要关注数据和算法，还要注入价值观的考量：礼确保规范，义确保公正，仁确保人本关怀，德确保节制谦逊，道确保顺应自然的终极追求。正如段玉聪教授所言，主动医学不仅是技术方案，更是一种全观理念，需要科技和人文多维度融合。以此五层语义为指引，我们才能构建出真正服务于人类福祉的主动AI系统，使其在调节信息场和能量场时，不迷失于技术细节，而始终朝着“合乎大道”的方向演进。

6. 基于DIKWPaaS的主动医学信息调节服务体系架构

要将上述理论落实到医疗实践中，需要一个系统架构将DIKWP模型融入医疗信息基础设施。我们建议构建以**DIKWPaaS（DIKWP as a Service）**为核心的主动医学信息调节服务体系，将数据、信息、知识、智慧、意图各层功能模块化，部署在云端平台上，向医疗机构和个人用户提供服务。这一体系类似一个云端“智能医生助手”，贯穿预防、诊疗、康复的全流程，实时调节信息场并辅助决策，实现主动医学理念。

架构总体设计如下：

• 数据层模块： 负责多源健康数据的实时采集和集成管理。包括医院信息系统接口（如电子病历、检验检查结果）、可穿戴设备/IoT设备接口（如智能手环采集心率、睡眠等），以及患者自主上报数据接口（症状日记、生活习惯记录）。数据层采用云原生大数据平台，实现对个人全生命周期健康数据的数据湖式存储与管理。通过边缘计算+云计算结合，可在患者身边（手机、家庭网关）进行初步监测预警，并将原始数据汇聚云端。这个数据基础设施确保对信息场的全面“观察窗口”。例如，某用户戴的手环连续记录其一周的日间平均心率和夜间睡眠数据，数据层会将这些时序数据上传存储，为后续分析做好准备。同时数据层通过隐私安全模块对敏感数据做脱敏、加密存储，符合“礼”的规范要求，保证数据收集合法合规。

• 信息层模块： 在云端对原始数据进行统计分析与模式提取，将数据转化为有临床意义的信息。这一模块利用AI算法和大数据技术，从纷繁的数据中提炼健康关键指标和异常模式。例如，系统可自动分析手环上传的心率与睡眠数据，计算出“睡眠质量指数”、发现“平均心率逐日上升”这样的信息。又如，分析连续血压数据，发现清晨血压峰值异常；分析运动数据，提炼“每日能量消耗曲线”“自律神经张力指数”等能量平衡指标。这些分析结果通过仪表板或报告形式提供给医生和用户。信息层相当于一个智能体检分析平台：不仅指出哪些数值异常，还揭示趋势和模式（比如某人最近一月心率变异系数增加，提示压力上升）。对于中医方面，信息层还可以通过图像识别、NLP等，从舌苔照片、脉象传感器、问诊记录中提取症状-证候信息。如提炼出“舌质淡胖有齿痕、苔白腻”“脉象弦细”之类描述，作为后续辨证的依据。这一步使信息场中的嘈杂数据变得有意义，为知识层整合做准备。

• 知识层模块： 这是整个DIKWPaaS的核心智囊，承载医学知识库和临床决策支持系统（CDSS）。知识层集成了多学科融合的医学知识图谱：既包括现代医学的疾病诊疗指南、药物作用机制等显性知识，也包含中医理论体系、名医经验、以及从大数据中挖掘的隐性知识。当信息层提炼出患者的关键信息后，知识层会调用推理引擎进行综合分析。例如，对于提炼的信息“夜间深度睡眠比例下降+日间心率逐渐升高”，知识层将其与知识库中的模式匹配：现代医学部分，联想“自主神经失衡、慢性应激风险”；中医知识部分，联想“肝郁化火/心阴不足”等证候。再结合患者其它信息（如血压略高、情绪焦虑），知识层可能给出几个鉴别诊断：（1）慢性压力导致交感亢进（亚健康状态），（2）中医辨证为肝郁阴虚。知识层还会检索相应的处理知识：比如现代医学建议放松训练、必要时服用安神药；中医建议疏肝清热或养心安神的方剂。CDSS在这个基础上生成个性化的诊疗建议集合供智慧层决策参考。知识层的突出特点是引入跨学科知识融合：在知识图谱里，不同来源的知识通过共同的语义标记关联。例如“失眠”节点下既连着西医的失眠症诊断标准，也连着中医的“不寐”证型分类；再如“交感神经兴奋”这一现代名词链接到中医“肝阳偏亢”的概念。通过这种关联，知识层实现对信息场和能量场的统一解释。值得一提的是，知识层模块在DIKWPaaS中将不断自我进化：系统每处理一个病例，其过程和结果可以反哺知识库。例如，如果AI的建议经医生采纳且患者效果良好，相关决策路径将记录下来，作为新的经验规则；反之若出现错误，系统也记录教训，对知识权重进行调整。这使知识层越来越聪明，可逐步逼近专家水平。

• 智慧层模块： 智慧层相当于决策大脑，综合知识层输出和人文价值进行高层次决策。它不同于知识层的理性推理，而是更强调应不应该以及如何更好地做决策。智慧层模块可以设计为一个专家系统/伦理决策引擎。其输入包括：知识层推荐的多个方案，患者个人偏好（比如有无宗教信仰、倾向中药或西药）、社会因素（经济承受力、家庭支持）、以及医疗伦理规范（医院不做过度医疗的规定等）。智慧层首先会过滤掉不符合伦理或患者意愿的选项，然后对剩余方案进行综合评估，给出优选方案或备选的利弊比较。例如，对于刚才那个失眠案例，知识层给了放松训练+中药调理 vs. 安眠药治疗 两类方案。智慧层考虑患者年轻且症状尚轻，加之本人倾向自然疗法，于是倾向选择前者；但也会指出若短期内症状严重影响生活，可酌情辅以临时药物，并提醒医生向患者充分告知药物副作用，让患者参与决定。智慧层的决策过程体现了价值观和长期影响的考量：既关注疗效，又兼顾患者生活质量、心理感受、社会伦理等，做到人性化和可持续。技术实现上，智慧层可以利用模糊逻辑或多目标优化算法来量化这些因素，或借助大语言模型的Chain-of-Thought能力，推演不同抉择的后果（在白盒测评框架下确保推理链条透明）。最终智慧层给出决策建议，并附带解释理由。这一模块体现了主动医学的核心：医疗决策不仅基于知识和数据，更融入对个体价值的尊重和长期智慧的思考。

• 意图层模块： 这是DIKWPaaS面向用户和医疗实践的接口，落实健康管理的最终目标。意图层通过健康管理应用或临床信息系统来制定、追踪和调整健康目标。对于个人用户，意图层体现为一个个性化健康规划服务：AI与用户协商制定健康目标（如“半年内体重降低5kg”“三个月内睡眠指标提高到正常范围”），将其细化为阶段性里程碑。系统会将这些目标记录在用户的健康档案中，并由专门的AI健康教练或医生指导员进行跟踪。意图层还负责将智慧层决策转化为具体行动方案并监督执行。比如，前述失眠案例的智慧决策是实施每日冥想和每周休息计划，那么意图层会在APP中为用户生成一个可执行的计划表：每天几点提醒冥想、每周安排两次家庭放松日等。同时，意图层通过手机或可穿戴设备记录用户执行情况（冥想时长、休息打卡等），这些数据又作为新的输入反馈到数据层，闭环评估干预效果。对于医生，意图层则体现在临床路径管理上：医生可与AI共同设定治疗意图，如“肿瘤患者术后半年内肿瘤指标维持正常”，然后系统辅助制定随访检查计划和预防性用药方案等，并在后台持续监控病人数据，如有偏离目标的苗头立刻预警。通过这样紧密的闭环管理，医疗行为始终围绕明确的健康意图展开，确保一切措施都服务于最终目标。DIKWPaaS平台在此层还可以引入激励机制和社群支持：例如，当用户达到某个健康里程碑时给予奖励，或引导其加入康复者社区互相鼓励。这些都增强了意图实现的持续动力。可以说，意图层将DIKWP的技术闭环上升为人文闭环：把冷冰冰的指标变成用户切身的目标与愿望，赋予AI建议以意义，使患者从被动接受管理转变为主动参与和驱动自己的健康之旅。

上述五层模块在云端集成形成DIKWPaaS平台，可通过标准API接口对接医院的信息系统和个人移动应用，提供即插即用的智能服务。例如，医院可以将其作为CDSS升级包，私有化部署或API调用，让医生在现有电子病历系统中即可收到DIKWP分析建议；保险公司和健康管理机构也可利用该平台开发个性化健康干预产品。

体系优势： 1）全栈闭环： 从数据采集到目标落实，一条龙覆盖，真正做到主动监测、主动分析、主动决策、主动干预的闭环管理。2）语义无损： 平台内置中西医结合知识图谱和语义转换机制，中医信息不再在信息化过程中丢失或扭曲，而是平等地参与决策。3）可解释可追溯： 每层都有明确的输入输出和日志，可审计AI每一步的依据（这点在白盒测评框架下尤为突出），便于医生信任和监管部门审核。4）个性化与规模化兼顾： 平台既能根据每个人的特殊情况定制方案（智慧层考虑个体偏好），又通过云计算支持海量用户同时服务，实现专家经验的规模化复制。5）持续进化： 利用联邦学习和知识更新机制，平台随着数据增多和反馈结果不断自我完善，知识库和模型迭代升级，保持决策的先进性和有效性。

架构示意： (这里可以想象有一张分层架构图示意各层模块及其连接，由于无法嵌入新图，略。)

总之，以DIKWPaaS为核心的主动医学信息调节体系，融合了AI和医学领域的最新理念，能够为医患双方提供一种**“实时感知-智能分析-主动干预-目标导向”**的新型医疗服务模式。这是对传统“检测-诊断-治疗”被动流程的颠覆，有望显著提高疾病预防与管理的效率，改善医疗体验和健康结果。随着技术成熟和推广，这一体系还可扩展到公共卫生、养老康复等场景，成为健康中国和智慧医疗的重要支撑。

7. 中医语义智能的未来演化方向展望

面对未来，我们有理由相信，中医语义与人工智能的结合将催生出全新的智能形态。中医语义智能不仅关乎传统医学的数字化生存，更可能对AI的发展产生反哺式的启示。在本章，我们结合以上讨论，对中医语义智能的演化方向做出展望，并强调其中孕育的普遍智能原理。

1. 中医语义体系的数字蜕变： 未来的几十年，随着知识工程和认知计算的发展，中医庞大而松散的语义体系将被更加系统地数字化表示，形成机器可理解的语义网络。这不只是将经典医籍扫描入电脑，而是深度解析其中的概念逻辑，用本体论和知识图谱将阴阳、五行、脏腑经络、病证方药等关系形式化。届时，中医理论的语义优势（整体观、关系导向、模糊弹性）将通过语义数学映射为一种新型知识表示：可能既不同于西方精确符号逻辑，也超越了简单的统计关联，而是一种能够容纳模糊性和关联性的概念空间。例如，AI将能在“肝”这个概念下关联到解剖肝脏、情志怒、木行、生发之性等多重语义层，并在推理时据需要选取恰当层面。这种多层关联的语义网将大大拓展AI的知识表现力，让AI处理问题时不局限于单一语义维度。中医语义的数字蜕变意味着千年经验医学将融入数字文明的知识脉络，这是对人类智慧宝库的丰富，也是对AI语义能力的充实。

2. 主客体互嵌的智能交互： 中医诊疗讲究医患互动、天人相应，体现了一种主客体互嵌性：医生和患者不是孤立的，诊疗过程也是医生调适自身、感知患者的过程。这种观念对AI人机交互有深刻启发。未来的医疗AI将不再是冷冰冰的工具，而更像一个共情的参与者：AI在影响患者的同时，也被患者状态所动态调整。这可通过生物反馈+情感计算实现，比如当AI检测到患者焦虑（通过语音语调或生理信号），它自己的语调和策略也随之舒缓。这其实就是一种人机互嵌式学习：AI不断根据对象的反馈来自适应（正如中医辨证论治，随患者状态调整治疗）。这种互嵌性还体现为AI会逐渐建立对每个个体的“感觉”，类似中医医生久诊某人后的直觉洞见。技术上，可能需要发展连续学习和用户数字孪生技术，让AI每与用户互动一次，都更新对其健康“画像”。可以预见，经过长期互动，人们的AI健康伴侣将变得愈发“懂你”——这种理解不只是数据上的，更有语义上的（了解你的生活语境、价值取向）。届时，人和AI的边界将变得模糊，正如中医所说“天人合一”，人机也将达到一种协同共生的和谐状态。

3. 目标导向的主动智能范式： DIKWP模型将“Purpose(意图)”置于顶层，昭示了未来AI的目标导向属性。中医“治未病”“存天理、去人欲”等理念本质也是强调以正确目的引导行为。未来的AI，无论医疗还是其他领域，都应从被动执行者进化为主动目标驱动者。这并非让机器自行其是，而是让它们学会设定和理解目标，在行动中不断校准方向。医学上，这意味着AI永远把促进健康作为最高准则，不会因局部优化（如降低一项指标）而违背整体健康意愿。这需要引入类似价值函数或多目标规划的机制，将人类价值和最终目的编码到AI内部。在社会层面，随着AI决策自主性提高，“目的校准”将成为AI伦理的重中之重。中医整体观提供了很好的类比：它要求医者时刻以病人长远利益和身心平衡为念，而不是头痛医头脚痛医脚的急功近利。同理，AI模型建设也应从一开始就嵌入对终极目标的考量。DIKWPaaS这样的系统已初步体现出目的导向的架构。未来，我们或许会看到Purpose-driven AI正式成为AI研究的一个分支，从理论上系统解决AI的目标设定、自适应调节和价值对齐问题。这将使AI更可信赖，也更高效，因为有了清晰的“道”引领，不会在海量数据相关性中迷失方向。

4. 中医催化AI解释力与可控性： 中医强调“辨证论治”——先辨明道理再施治，每一步都有依据。应用到AI，就是可解释和可控。当我们成功将中医知识和语义规则融入AI，让AI能像中医那样给出“我为何这样诊断、这样治”的理由时，AI的黑箱问题将大大缓解。事实上，中医的推理过程（望闻问切→辨证→论治）相当严谨且富有透明度，可以作为AI解释的蓝本。我们可以想象未来的医疗AI给出诊疗建议时，会同步生成一份“辨证论治报告”：列出患者主要信息、对应的辨证分析（例如症属“脾肾阳虚”依据何在）、参考的治疗经验（某名老中医医案）以及建议方案和其逻辑。这样的解释不仅让医生和患者信服，也使AI本身更易调试改进。人工意识白盒测评正是走在这一路线上。此外，中医讲究中庸适度，可看作是一种安全控制机制：既防不足又防太过。AI系统若内置中医这种动态平衡的控制逻辑，遇到极端情况就会自动校正，不会输出失控行为。例如，当干预强度过大时触发“缓和”机制，当无所作为时触发“积极”机制，以维持最佳区间。这种灵活的反馈控制正是当前AI鲁棒性所缺乏的。中医思想或可在AI安全性上提供新思路，例如仿照经络闭环调节机制设计AI的内在反馈网络，使其在输出偏离预期时能自我调整回稳态。总而言之，中医将催化AI走向**“明理而后动”**的可解释、可控的新阶段。

5. 中西医融合推动人类认知进化： 最后，从更宏大的视角看，中医语义智能的演化将是人类认知的一次升华。现代西方科学侧重分析还原，而中医传统侧重综合联系。当AI有能力同时驾驭这两种范式时，人类将借助AI拓展认知疆域。我们或许能够更深刻地理解生命的复杂性：既看到分子层面的精密机械，又体悟到能量信息场的整体共振。AI成为连接二者的桥梁，帮助我们验证一些跨学科假说——比如情绪如何影响免疫、生物节律如何作用于疾病易感。这些本来模糊的问题，可能在融合了中医语义的AI分析下找到定量描述。可以预见，整合医学（Integrative Medicine）将在AI助力下获得实质性突破，出现一系列标志性研究成果，将传统经验纳入严格科学评估，从而丰富医学理论宝库。同时，AI通过学习中医哲学，也许会带来人工智能对自身及人类的新理解。当AI深度消化了“天人合一”“道法自然”等理念，它可能以不同于以往机械论的视角来看待问题——更生态化、更系统平衡化。有人提出未来AI需要某种“东方智慧”来避免走入纯技术理性极端，中医正是东方智慧的结晶之一。如果AI能融会贯通中医理念，那么它离真正的类人智慧就更近了一步。在这个意义上，中医语义智能的演化不只是服务中医或医学领域，而且有望成为通往强人工智能（AGI）的一条独特路径：通过深挖人类古老智慧，反哺人工理性，最终实现科学与人文、技术与伦理的高度统一。

结语： 中医语义与人工智能的结合，是一次跨越时空的握手。在AI突飞猛进的21世纪，中医数千年的知识等待着被以新的形式焕发光彩。借助DIKWP模型及主动医学理念，我们初步勾勒出一幅蓝图：中医和西医将在语义层面无缝对接，AI将成为二者融合的载体，重塑我们的医疗体系，使之更主动、更智慧、更人文。在这一过程中，我们既要仰望星空，把握最新科技脉搏；也要追本溯源，从祖先智慧中汲取养分。学术界应进一步深化对此课题的研究：开发更完善的中医知识工程，探索更先进的语义AI算法，开展中西医结合AI应用的临床试验。同时也要应对挑战，如数据质量、模型验证、伦理监管等。可以预见，未来属于那种能把握整体大义又精通细节技术的复合型创新。当下，我们正站在一个历史路口，见证着传统中医药乘着智能化的东风走向世界舞台中央。中医语义智能的演化之路，任重而道远，但前景无限光明——它将引领医学回归“仁术”本源，也将推动AI迈向“善智”之境。

最后，以一句涵盖“道-德-仁-义-礼”精神的寄语作结：道御天地，德润身心，仁怀众生，义行天下，礼遵法度。这既是对未来主动医学的期许，也是对未来智能社会的祝福。让我们朝着这个方向共同努力，使中医语义与人工智能交相辉映，为人类健康与文明进步谱写新的华章！

参考文献：

1. 段玉聪等. DIKWP人工意识模型引领AI未来，114项专利期待产业落地. 凤凰网区域报道, 2025

2. 王祝华. 大语言模型意识水平“识商”白盒DIKWP测评2025报告发布. 《科技日报》, 2025-02-19

3. 段玉聪. DIKWP语义视角下中医诊断白话化解构与认知适配. 技术报告, 2025

4. 段玉聪. 从DIKWP模型视角解读主动医学的信息场与能量场理论. 技术报告, 2025

5. 段玉聪. 主动医学的全观理念——基于DIKWP及“道-德-仁-义-礼”的对比分析. 技术报告, 2025

6. 国家自然科学基金委. 《可解释、可通用的下一代人工智能方法》重大项目指南. 2025

7. 李成平. 中医药发展迈入大模型时代. 《中国医药报》, 2024-08-29

8. Yucong Duan et al. DIKWP White-box Evaluation Method Overview. ResearchGate, 2024

9. WHO. Traditional Medicine Chapter in ICD-11. World Health Organization, 2019

10. 梅宏. 对当前人工智能热潮的几点冷思考. 中国科学院院士演讲，2024（讨论AI数据依赖与演进方向）.