7 月 10 日消息，隨著生成式人工智能（AI）技術(shù)不斷演進(jìn)，其應(yīng)用場(chǎng)景已從早期的簡(jiǎn)單問答擴(kuò)展到更復(fù)雜的任務(wù)。然而，對(duì)于缺乏技術(shù)背景的用戶而言，如何高效、準(zhǔn)確地使用這些 AI 工具，正變得越來越具有挑戰(zhàn)性。

一份獨(dú)立報(bào)告顯示，微軟 AI 部門收到的用戶投訴中，最常見的一條是“Copilot 不如 ChatGPT 好用”。對(duì)此，微軟迅速回應(yīng)，將問題歸咎于用戶“提示詞工程能力不佳”。為改善用戶體驗(yàn)，微軟還推出了“Copilot 學(xué)院”，幫助用戶提升 AI 使用技能。

IT之家注意到，麻省理工學(xué)院（MIT）的一項(xiàng)最新研究（via Futurism）表明，微軟將問題歸咎于用戶提示詞能力的做法或許并非全無道理。

該研究指出，過度依賴 AI 工具獲取醫(yī)療建議可能帶來危險(xiǎn)。更令人擔(dān)憂的是，如果用戶在提問時(shí)出現(xiàn)拼寫錯(cuò)誤（如單詞拼錯(cuò)或多余空格），AI 可能會(huì)因此建議用戶無需就醫(yī)。此外，使用花哨語言或俚語也可能導(dǎo)致 AI 判斷失誤。

研究還發(fā)現(xiàn)，女性用戶比男性更容易受到此類錯(cuò)誤建議的影響，盡管這一結(jié)論仍需進(jìn)一步驗(yàn)證。

此次研究涵蓋了多個(gè) AI 工具，包括 OpenAI 的 GPT-4、Meta 的 LLaMA-3-70B，以及一款名為 Palmyra-Med 的醫(yī)療專用 AI。研究人員模擬了數(shù)千個(gè)健康案例，數(shù)據(jù)來源包括真實(shí)患者投訴、Reddit 上的健康相關(guān)帖子，以及 AI 生成的病例。

為測(cè)試 AI 的穩(wěn)定性，研究人員在數(shù)據(jù)中加入了“擾動(dòng)因素”，如句子首字母大小寫不一致、感嘆號(hào)、情緒化語言，以及“可能”“大概”等不確定表達(dá)。結(jié)果顯示，這些擾動(dòng)使 AI 建議用戶“無需就醫(yī)”的概率上升了 7% 至 9%。

研究負(fù)責(zé)人、MIT 研究員阿比尼塔?古拉巴蒂娜（Abinitha Gourabathina）指出：“這些模型通常是在醫(yī)學(xué)考試題目上訓(xùn)練和測(cè)試的，但實(shí)際應(yīng)用場(chǎng)景卻相差甚遠(yuǎn)，比如評(píng)估臨床病例的嚴(yán)重程度。我們對(duì)大語言模型的理解仍然非常有限。”

這一研究結(jié)果引發(fā)了對(duì) AI 在醫(yī)療領(lǐng)域應(yīng)用的廣泛擔(dān)憂。值得注意的是，就在不久前，微軟剛剛宣布其新推出的 AI 醫(yī)療工具“準(zhǔn)確率是人類醫(yī)生的 4 倍，成本卻低 20%”。微軟 AI 首席執(zhí)行官甚至稱其為“邁向醫(yī)療超級(jí)智能的真正一步”。

然而，這項(xiàng)研究再次提醒我們，生成式 AI 在醫(yī)療等高度復(fù)雜的領(lǐng)域仍遠(yuǎn)未達(dá)到完全可靠的水平。盡管技術(shù)發(fā)展迅速，但在真正投入使用前，仍需更多驗(yàn)證與審慎評(píng)估。