“ChatGPT在美國(guó)醫(yī)學(xué)執(zhí)照考試中的成功表現(xiàn)表明了醫(yī)學(xué)生培訓(xùn)和評(píng)估方式的缺陷，”麻省理工學(xué)院醫(yī)學(xué)工程與科學(xué)研究所首席研究科學(xué)家兼執(zhí)業(yè)醫(yī)師Leo Anthony Celi說。
ChatGPT 于 2022 年 11 月推出，是一款聊天機(jī)器人，不僅可以進(jìn)行類似人類的對(duì)話，還可以為廣泛知識(shí)領(lǐng)域的問題提供準(zhǔn)確的答案。由OpenAI公司創(chuàng)建的聊天機(jī)器人基于一系列“大型語(yǔ)言模型”，這些算法可以根據(jù)它們?cè)诎瑪?shù)億個(gè)單詞的數(shù)據(jù)集中識(shí)別的模式來(lái)識(shí)別，預(yù)測(cè)和生成文本。
在一個(gè)研究本周出現(xiàn)在PLOS Digital Health上，研究人員報(bào)告說，ChatGPT的表現(xiàn)達(dá)到或接近美國(guó)醫(yī)療執(zhí)照考試（USMLE）的及格門檻 ，這是一項(xiàng)全面的三部分考試，醫(yī)生在美國(guó)行醫(yī)之前必須通過。
伴隨著這篇論文，麻省理工學(xué)院醫(yī)學(xué)工程與科學(xué)研究所的首席研究科學(xué)家，貝斯以色列女執(zhí)事醫(yī)療中心的執(zhí)業(yè)醫(yī)師，哈佛醫(yī)學(xué)院的副教授Leo Anthony Celi和他的合作者認(rèn)為，ChatGPT在這次考試中的成功應(yīng)該給醫(yī)學(xué)界敲響警鐘。
Q: 您認(rèn)為 ChatGPT 在 USMLE 上的成功揭示了醫(yī)學(xué)教育和學(xué)生評(píng)估的性質(zhì)嗎？
A: 將醫(yī)學(xué)知識(shí)視為可以封裝在多項(xiàng)選擇題中的框架，創(chuàng)造了一種虛假確定性的認(rèn)知框架。醫(yī)學(xué)知識(shí)通常作為健康和疾病的固定模型表述來(lái)教授。盡管實(shí)踐模式不斷變化，但治療效果隨著時(shí)間的推移保持穩(wěn)定。機(jī)械模型從教師傳給學(xué)生，很少?gòu)?qiáng)調(diào)這些模型的推導(dǎo)有多穩(wěn)健，圍繞它們持續(xù)存在的不確定性，以及它們必須如何重新校準(zhǔn)以反映值得納入實(shí)踐的進(jìn)步。
ChatGPT 通過了一項(xiàng)考試，該考試獎(jiǎng)勵(lì)記住系統(tǒng)的組件，而不是分析它是如何工作的、它是如何失敗的、它是如何創(chuàng)建的、它是如何維護(hù)的。它的成功證明了我們?cè)谂嘤?xùn)和評(píng)估醫(yī)學(xué)生方面的一些缺點(diǎn)。批判性思維需要認(rèn)識(shí)到醫(yī)學(xué)的基本真理不斷變化，更重要的是，理解它們?nèi)绾我约盀槭裁醋兓?/p>
Q: 您認(rèn)為醫(yī)學(xué)界應(yīng)該采取哪些措施來(lái)改變學(xué)生的教學(xué)和評(píng)估方式？
A: 學(xué)習(xí)就是利用當(dāng)前的知識(shí)體系，了解其差距，并尋求填補(bǔ)這些空白。它需要適應(yīng)并能夠探索不確定性。作為教師，我們失敗了，因?yàn)槲覀儧]有教學(xué)生如何理解當(dāng)前知識(shí)體系中的差距。當(dāng)我們宣揚(yáng)確定性勝過好奇心，宣揚(yáng)傲慢勝過謙卑時(shí)，我們辜負(fù)了他們。
醫(yī)學(xué)教育還需要意識(shí)到醫(yī)學(xué)知識(shí)創(chuàng)建和驗(yàn)證方式的偏見。這些偏見最好通過優(yōu)化社區(qū)內(nèi)的認(rèn)知多樣性來(lái)解決。比以往任何時(shí)候都更需要激發(fā)跨學(xué)科的協(xié)作學(xué)習(xí)和解決問題的能力。醫(yī)學(xué)生需要數(shù)據(jù)科學(xué)技能，使每個(gè)臨床醫(yī)生都能為醫(yī)學(xué)知識(shí)做出貢獻(xiàn)、不斷評(píng)估和重新校準(zhǔn)。
Q: 你認(rèn)為ChatGPT在這次考試中的成功有什么好處嗎？ChatGPT和其他形式的人工智能是否有有益的方式可以為醫(yī)學(xué)實(shí)踐做出貢獻(xiàn)？
A: 毫無(wú)疑問，像ChatGPT這樣的大型語(yǔ)言模型（LLM）是非常強(qiáng)大的工具，可以篩選超出專家甚至專家組能力的內(nèi)容，并提取知識(shí)。但是，我們需要先解決數(shù)據(jù)偏差問題，然后才能利用LLM和其他人工智能技術(shù)。法學(xué)碩士所培訓(xùn)的知識(shí)體系，無(wú)論是醫(yī)學(xué)還是其他方面，都以高收入國(guó)家資金充足的機(jī)構(gòu)的內(nèi)容和研究為主。它不代表世界大部分地區(qū)。
我們還了解到，即使是健康和疾病的機(jī)械模型也可能是有偏見的。這些輸入被饋送到不考慮這些偏差的編碼器和變壓器。醫(yī)學(xué)中的基本真理在不斷變化，目前，沒有辦法確定基本真理何時(shí)漂移。LLM不評(píng)估他們正在接受培訓(xùn)的內(nèi)容的質(zhì)量和偏見。它們也沒有提供其產(chǎn)出的不確定性水平。但完美不應(yīng)該是好的敵人。有巨大的機(jī)會(huì)來(lái)改善醫(yī)療保健提供者目前做出臨床決策的方式，我們知道這些決策受到無(wú)意識(shí)偏見的污染。我毫不懷疑，一旦我們優(yōu)化了數(shù)據(jù)輸入，人工智能就會(huì)兌現(xiàn)它的承諾。如果想要了解更多，可以添加V信Tops6868，托普仕專業(yè)的老師會(huì)為您解疑答惑。
以上是對(duì)于麻省理工學(xué)院工程師淺談ChatGPT的解讀，如果您對(duì)美國(guó)留學(xué)感興趣，歡迎您在線咨詢托普仕留學(xué)老師，托普仕留學(xué)專注美國(guó)前30高校申請(qǐng)，助力國(guó)內(nèi)學(xué)子順利獲得美國(guó)藤校入讀資格。盡早規(guī)劃和遞交申請(qǐng)，對(duì)您未來(lái)留學(xué)會(huì)更有幫助！
熱門文章：
相關(guān)推薦
最新資訊