夜雨聆风一个让我耿耿于怀的场景
去年做一项II期临床试验的方案设计，我把入组标准、终点指标、既往同类研究的背景，一口气丢给某个通用大模型，让它给我一版样本量估算的思路。
它答得很漂亮：引用了公式，给了假设参数，甚至列出了脱落率的校正方式。看起来无懈可击。
但我盯着屏幕看了几分钟，心里凉了一下——它给的效应值假设，来自一项开放标签、单臂的探索性研究。而我们这个试验是随机双盲对照。用单臂研究的效应值去估算随机对照试验的样本量，这是审评会上最容易被专家一句话问倒的地方。
AI不是不知道公式。它知道得比我熟。它不知道的是：这个数字能不能用、在什么条件下能用、以及当年为什么有人这样用过然后被否掉了。
那天之后我一直在想一个问题：AI的短板到底在哪儿？
结论是廉价的，通往结论的路径才是昂贵的
我的判断是：通用大模型学到的,绝大部分是"结论态"的知识,而不是"过程态"的知识。
打开任何一本教科书、任何一篇指南、任何一篇发表的论文——你看到的是什么？是一个已经被打磨光滑的成品。
指南告诉你"推荐使用A方案（1A类证据）"，但它不会告诉你：
制定组当年在A和B之间争论了什么 B为什么在亚洲人群数据里表现更好却最终没进推荐 那句"推荐"背后的投票比例是11:9还是20:0
论文告诉你"我们采用了协变量校正的ANCOVA模型",但它不会告诉你:
统计师最初想用重复测量方差分析,为什么放弃了 中期看数据时发现基线不平衡,是怎么在盲态下讨论并修订SAP的 哪个版本的模型跑出来结果不显著,团队是怎么判断"这是模型问题还是药物问题"的
科研写作的整个规范体系，本质上就是一套"删除过程"的规范。我们被训练成要写得干净、简洁、无懈可击。而所有的犹豫、返工、被推翻的假设、深夜里那个"要不要换个终点"的争论——统统留在了聊天记录和废纸篓里，从来没有进入过任何语料库。
AI吃的是我们端出去的菜。厨房里那些失手打翻的锅、试错了七遍的火候，它一口没吃到。
这件事，和你自己成长的困境一模一样
写到这儿我必须说一个更扎心的类比。
回想你刚入行的时候。你拿着一个搞不定的问题去找主任，主任看了三秒钟，说："这个病人先把血钾纠了再说别的。"
你照做了，问题解决了。
然后呢？大多数人到这一步就结束了。
但真正的知识在哪儿？
在主任那三秒钟里跑完的、他自己都没意识到的推理链条上：他扫了一眼心电图、心里过了一遍这个病人的用药史、想起五年前有个类似病人在这个环节出过事、判断出当前所有指标里哪个是"会杀人的"、哪些是"可以等的"。
这一整套东西，他没说。不是不愿意说，是他已经把它压缩成了直觉，说不出来了。
这就是"专家知识的隐性化悖论"：一个人越是专家，他的知识越是内隐、越难言传。
而我们训练AI用的语料，恰恰是这些专家写下来的、已经被压缩过的成品。
所以你会发现,那些成长最快的人,都有一个共同的动作——追问。
"主任,为什么先纠钾不先处理心衰?"
"如果这个病人同时有肾功能不全,还是这个顺序吗?"
"有没有哪种情况下您会反过来做?"
问这三个问题的人，和只是照做的人，五年后不是一个量级。
AI的成长逻辑，和人一模一样。它现在的困境，就是那个"照做但不追问"的年轻医生的困境。
那么，我们该给AI喂什么？
如果上面的诊断成立，那处方就清楚了：不是把数据搞得更多，而是把数据搞得更"厚"。
一条真正有训练价值的专业数据，至少要包含四层：
第一层：这么做（What）。
这是我们现在唯一在给的东西。
第二层：为什么这么做（Why）。
决策依据是什么、权衡了哪些因素、这个选择的代价是什么。
第三层：为什么不那么做（Why not）。
这一层价值最高，也最稀缺。
有哪些看起来合理但错误的做法？错在哪里？错误的后果长什么样？
——负样本的信息密度,常常高于正样本。
一个知道"这里有坑"的模型,比一个只知道"路在这里"的模型可靠得多。
第四层：换个场景怎么变（When not）。
也就是边界条件。这条经验在什么条件下失效？
我举个具体的例子，你就明白这四层的差别有多大。
同样是一位2型糖尿病患者，用SGLT2抑制剂：
合并心衰（HFrEF）→ 强适应证，这药几乎是首选，还能减少住院 合并eGFR 25的CKD→ 降糖效果已经很弱了，但肾脏保护的证据仍在，用药目的完全变了 合并反复泌尿生殖道感染→ 相对禁忌，得掂量 即将接受手术、需要禁食 → 必须提前停药，否则可能出现正常血糖性酮症酸中毒——这个坑非常隐蔽,因为血糖是正常的,不查酮体根本发现不了
你看，"2型糖尿病用SGLT2i"这七个字是同一个结论。但在四种合并症下，它背后的推理、目的、风险、执行细节完全不同。
一个只学了结论的AI，会在这四种情况下给你同一个答案。而真正能用的AI，必须知道这四条岔路。
科研场景比这还要苛刻。同样是"要证明A优于B"这一个目标：样本量受限时你可能得考虑交叉设计；伦理上不允许安慰剂时你要走非劣效；主要终点是时间事件时你的检验方法和样本量逻辑全变了；如果预计会有大量竞争风险事件，用Kaplan-Meier就是错的，得上Fine-Gray。
这些"如果……那么……"的分支，从来不会完整出现在任何一篇已发表的论文里。它们只存在于统计师和研究者的会议室里。
一个反直觉的结论
所以我想说的是：在专业领域，AI的天花板不是算力，是我们的表达能力。
我们能不能把自己脑子里那套隐性的、被压缩过的、说不清楚的判断逻辑，重新展开、写下来、结构化——这才是决定专业AI能走多远的真正瓶颈。
这件事最有意思的地方在于：当你为了训练AI而被迫把"为什么"写清楚的时候，你自己的认知会先被升级一遍。
我现在做方案，会写一份"决策日志"：每个关键选择，记下选了什么、为什么、否掉了什么、否掉的理由、以及什么条件下会重新考虑。
一开始大家觉得是负担。三个月后，两件事同时发生了：新人上手速度快了一倍——因为他们读到的不再是结论，而是推理；而这批日志，成了我们内部模型最值钱的语料。
训练AI和训练人，从来就是同一件事。
你把过程写清楚，AI变强了，你也变强了。你只交出结论，AI是个复读机，你也停在了原地。
这大概是这一轮AI浪潮里，最容易被忽略、却最值得琢磨的一个悖论。
推荐阅读
PS: 我的新书《AI赋能医生》，对于学医的人来说，这是一本非常好的AI入门和实操指南，被清华大学出版社评价为"AI时代医者必读书目"。
本书特点
传授的技巧和思路，适用于 ChatGPT、DeepSeek、Gemini、元宝、豆包 等所有主流AI 即使不是学医的人，书中关于AI应用的基本原则也很有启发性 如果你有医生朋友，赠送这本书将非常有价值
即使不是学医的人，书中关于AI应用的基本原则也很有启发性 如果你有医生朋友，赠送这本书将非常有价值
购书优惠
