虫虫小说网

手机浏览器扫描二维码访问

语料库（第1页）

从印度回来后，沈琳一边忙着项目的事情，一边操心语料库的事。

按照大模型的参数量，显然语料库越丰富，对训练大模型越有利。

除了常翻的几本纸质经典医书，沈琳能立刻拿出手的数字书籍只有一百多本大学教材，像《中医基础理论》、《中国医学史》、《内经选读》、《伤寒论选读》、《金匮要略》、《方剂学》、《中药学》、《针灸治疗学》、《中医正骨学》等等，当然这些远远不够。

于是经过简单归纳，她大致梳理了语料库的如下几个方面：基本理论和知识：如中医的哲学思想、五行学说、阴阳学说、脏腑经络学说、气血津液学说、病因病机学说、辦证论治学说、中药学说等；诊断方法和技术：如望诊、闻诊、问诊、切诊等；治疗方法和技术：如针灸、拔罐、刮痧、按摩、推拿、药物治疗等；预防和养生方法和技术：如食疗、气功、太极拳、八段锦等；除此之外，沈琳还希望找到更多关于医史、医案、道医相关的著作。

沈琳曾在《中医史》书中了解到，中医学在长期的临证实践中积累了丰富的诊疗经验和独特的治疗方法，产生了近万种医药书籍，建立了一系列医事管理和医学教育制度。

这里提到的近万种医药书籍，应该是指从先秦到清末这段时间内出现的各种中医著作。

《中国古籍总目》共收录了中国古代（截至清朝末年）出版或手抄本形式存在的医药类图书总计逾1.5万种，这当中有些书籍已经散佚、损毀或者未被发现，有些可能被收藏在私人或机构的库房里，有些可能没有被正式出版或者登记，还有一些稀有古本则被分散在各类古籍网站影印销售。

无论是这近1万本还是1.5万本，想要集齐所有以上文献事实上不可能完成，作为一个中医博士，沈琳能做的有限，不过好在最后蛮有效果。

沈琳进入国家图书馆官网，通过网站提供的检索服务，查询到中医学总论中医学史该基本分类下收录的古籍，其中既有先秦两汉时中医理论支柱《黄帝内经》、辩证论治的《伤寒杂病论》、本草学《神农本草经》、方剂学《五十二病方》、扁鹊医书《天回医简》等，亦不乏魏晋南北朝至隋时针灸学专著《黄帝部针灸甲乙经》、脉学专著《脉经》、病理症候学《诸病源候论》等；有唐宋时方药大成《千金方》及《外台秘要》、综合性医著《太平圣惠方》、《圣济总录》等，也有金元时期刘完素、张子和、李杲、朱震亨四家学说，如《素问玄机原病式》、《儒门事亲》、《脾胃论》、《格致余论》等；近至明清，则有《永乐大典》、孙一奎的《赤水玄珠》、李时珍的《本草纲目》、王肯堂所撰《证治准绳》、吴鞠通之《温病条辨》、叶天士之《临证指南医案》、陈士铎之《石室秘录》、唐容川之《血证论》等等......总计超过1200种。

这些古籍在国家数字图书馆工程等推动下，被影印收录进中华医药典籍资源库，沈琳用学校专用账号登陆得以全部下载；

然后按图索骥，沈琳又分别进入哈佛燕京图书馆、东京大学东洋文化研究所汉籍影像库、日本永青文库捐赠汉籍、天津云南图书馆古籍数字资源库、中华古籍善本国际联合书目系统等多个数字资源库，总计获取数百册，其中不乏境内失传已久的中华医药典籍；

在此基础上，又增加下载了道家、道医、藏医等多部典籍，为语料库奠定更完善的、且在生命科学和医学相互印证的学术体系，诸如《道医集成》道论部分收录的《庄子》、《周易》、《道德经》、《南华经》、《冲虚经》、《阴符经》、《黄庭经》、《抱朴子·内篇》、《道体论》、《玄纲论》、《大道论》等数十部论著；医方部分收录的《葛仙翁肘后备急方》、《孙真人备急千金要方》等文献；临证部分收录的《崔真人脉诀》、《脉理存真》、《万病回春》、《太乙神针心法》等文献；摄养部分收录的《养性延命录》、《养生类纂》、《福寿丹书》、《尊生要旨》、《万育仙书》、《长生秘诀》、《内功图说》等文献；金丹部分收录的《周易参同契》、《黄帝九鼎神丹经决》、《大丹铅汞论》、《钟吕传道集》、《上阳子金丹大要》、《悟真篇》、《女金丹》等文献；另有《敦煌本藏医残卷》、《月王药诊》、《四部医典》、《四部医典蓝琉璃》、《晶珠本草》、《正确认药图鉴》等藏医典籍；

另外在导师的介绍下，沈琳认识了一位叫王雪的江苏朋友，王雪家里一直致力于做中医的公益文化平台，平台上有数千本中医古今典籍和数百部中医视频课程，全部对外免费开放。

王雪听说沈琳的这个大模型计划，大方表示愿意把这些资料一起打包送给她，就当是对中医文化发展和进步的支持，沈琳感谢之余感动不已。

总有人在他人需要帮助时施以援手，这大概就是中医文化历经千年而不衰的原因吧！

近3000部古今典籍和近千部视频素材，沈琳花了近1个月时间完成，至此语料库已经基本成型，夏雨把几部阿育吠陀医学著作加进去，一起喂给何真人进行首轮分布式自监督学习训练。

在和沈琳商量讨论后，夏雨给何真人设置了6步训练循环，分别是：语料库理解、批量提出问题、给问题打分、自答问题、给回答打分、自检打分系统并评级。

夏雨的做法是当系统每次训练后，打分系统的评级会逐渐提高，当评级收敛到固定值的时候，代表第一阶段训练周期完成。

利用平台强大的算力，何真人第一阶段训练只花了1天时间就完成了，准确的说只花了30分钟，打分系统评级收敛到了惊人的4.98，夏雨很欣慰，毕竟自己第一次做这类项目就完成的这么好，他开心地打电话给正在实验室做项目的沈琳，让她有空可以测试一下系统，然后给她留了跟何真人的聊天页面‘hezhenren.ai’。

晚上加班到10点的沈琳托着疲惫的身躯从实验室回到家里，匆匆洗了个脸再涂抹上自己配制的玉肌散，拿上笔记本电脑半倚在床头打开何真人网址，简洁干净的底部聊天框用浅黑色字体提示用户和它交互：您好，我是何真人，有什么可以帮您呢？左侧的背景页豁然可见几行繁体楷书：余闻上古有真人者，提挈天地，把握阴阳，呼吸精气，独立守神，肌肉若一，故能寿敝天地，无有终时，此其道生。

沈琳会心一笑，心想原来这就是夏雨给何真人取名的来历，确实很符合系统‘人设’！

她略思片刻，在聊天框输入：你好何真人，十二藏之相使，贵贱如何？

何真人：十二藏之相使，是《黄帝内经·素问·六节藏象论》中的一句话，意思是十二个脏腑器官之间的相互作用和影响，以及它们的贵贱地位。

根据岐伯的回答，心是君主之官，神明出于心;肺是相傅之官，治节出于肺，肝是将军之官，谋虑出于肝，胆是中正之官，决断出于胆，赠中是臣使之官，喜乐出于赠中;脾是仓康之官，五味出于脾胃;大肠是传道之官，变化出于大肠;小肠是受盛之官，化物出于小肠;肾是作强之官，使巧出于肾:三焦是决渍之官，水道出于三焦;膀胱是州都之官，津液藏于膀胱。