AI 医疗建议可靠性存疑：MIT 研究揭示用户提问方式影响 AI 判断

IT之家 7 月 10 日消息，随着生成式人工智能（AI）技术不断演进，其应用场景已从早期的简单问答扩展到更复杂的任务。然而，对于缺乏技术背景的用户而言，如何高效、准确地使用这些 AI 工具，正变得越来越具有挑战性。

一份独立报告显示，微软 AI 部门收到的用户投诉中，最常见的一条是“Copilot 不如 ChatGPT 好用”。对此，微软迅速回应，将问题归咎于用户“提示词工程能力不佳”。为改善用户体验，微软还推出了“Copilot 学院”，帮助用户提升 AI 使用技能。

IT之家注意到，麻省理工学院（MIT）的一项最新研究（via Futurism）表明，微软将问题归咎于用户提示词能力的做法或许并非全无道理。

该研究指出，过度依赖 AI 工具获取医疗建议可能带来危险。更令人担忧的是，如果用户在提问时出现拼写错误（如单词拼错或多余空格），AI 可能会因此建议用户无需就医。此外，使用花哨语言或俚语也可能导致 AI 判断失误。

研究还发现，女性用户比男性更容易受到此类错误建议的影响，尽管这一结论仍需进一步验证。

此次研究涵盖了多个 AI 工具，包括 OpenAI 的 GPT-4、Meta 的 LLaMA-3-70B，以及一款名为 Palmyra-Med 的医疗专用 AI。研究人员模拟了数千个健康案例，数据来源包括真实患者投诉、Reddit 上的健康相关帖子，以及 AI 生成的病例。

为测试 AI 的稳定性，研究人员在数据中加入了“扰动因素”，如句子首字母大小写不一致、感叹号、情绪化语言，以及“可能”“大概”等不确定表达。结果显示，这些扰动使 AI 建议用户“无需就医”的概率上升了 7% 至 9%。

研究负责人、MIT 研究员阿比尼塔・古拉巴蒂娜（Abinitha Gourabathina）指出：“这些模型通常是在医学考试题目上训练和测试的，但实际应用场景却相差甚远，比如评估临床病例的严重程度。我们对大语言模型的理解仍然非常有限。”

这一研究结果引发了对 AI 在医疗领域应用的广泛担忧。值得注意的是，就在不久前，微软刚刚宣布其新推出的 AI 医疗工具“准确率是人类医生的 4 倍，成本却低 20%”。微软 AI 首席执行官甚至称其为“迈向医疗超级智能的真正一步”。

然而，这项研究再次提醒我们，生成式 AI 在医疗等高度复杂的领域仍远未达到完全可靠的水平。尽管技术发展迅速，但在真正投入使用前，仍需更多验证与审慎评估。