该团队又请（qǐng）来一（yī）组临床医生作答。这些临床医生分布（bù）于美国和英国，在初级保健（jiàn）、外科（kē）、内科和儿科方面具有（yǒu）专业经验。

最后，研究人员（yuán）将模型和人类医生（shēng）的答案匿名后交给9名（míng）分（fèn）别来自美国、英国和印（yìn）度的临床（chuáng）医生进行评估。

结果显示（shì），Med-PaLM在科学（xué）常（cháng）识方（fāng）面的（de）正确率在92%以上，在理解、检索和推理能力方面（miàn），也（yě）几乎达到了人类医生的水（shuǐ）平，并在（zài）克服隐性偏见方面略胜（shèng）一筹（chóu）。

不（bú）过，该（gāi）研究负责人也表示，Med-PaLM给出（chū）的答案在整体上仍然（rán）不如（rú）临床医生，该（gāi）模型在实际应（yīng）用前有待（dài）进一步完善（shàn）。

追根（gēn）溯源（yuán），Med-PaLM是怎么（me）诞生的（de）呢？

这里不（bú）得不提谷歌在今年发布的转换器（qì）语言模型——PaLM，该模型基于Pathways架构、拥有（yǒu）5400亿参数，是Google迄今（jīn）为止研发（fā）的最大规模（mó）的模型，全名为Pathways Language Model。

PaLM模型在语言理解等（děng）各种方面的评估测试中的（de）表现十分出色，甚至还在语言（yán）和推理类的测（cè）评中超过（guò）了人类。

Med-PaLM正是PaLM的（de）衍（yǎn）生品（pǐn）。谷（gǔ）歌研究团队首先在上（shàng）文提及的医学问题问（wèn）答数（shù）据集（jí）“MultiMedQA”上评估了PaLM及微调变体（tǐ）Flan-PaLM，然（rán）后，基于此提出了（le）指令提示x调（diào）整，让Flan-PaLM进一步与医学接轨，进一步（bù）产生了Med-PaLM。

值得注意的（de）是，AI模型的每一（yī）次突破（pò），都预示着更聪明（míng）的机器人即将（jiāng）到来。指挥机器人干活（huó）不是什么新（xīn）奇的事，但要让机器人能够理解你（nǐ）的命（mìng）令（lìng）背后的（de）意图（tú），那就要考验它的“大脑（nǎo）”好不好用（yòng）了。将（jiāng）AI模型（xíng）应用到（dào）机（jī）器人身上相当于给机器人“开智”。

据了解，今年8月份，谷歌就将（jiāng）大型语（yǔ）言模型首（shǒu）次集成（chéng）到机器人（rén）中，有了AI模型的加（jiā）持，机器人能像人（rén）类一样响应完整的命令。

谷歌（gē）研究人员就此做了（le）演（yǎn）示。当对机器人说（shuō）：“我饿（è）了，你能给我点零食吗？”机器人在自助餐厅中搜（sōu）索（suǒ）一番（fān）后，打开（kāi）了（le）一个（gè）抽屉，找（zhǎo）到一袋薯片并（bìng）将它拿给研究人员。

可以预见的是，通过进一（yī）步的训练、优（yōu）化，Med-PaLM模型的回（huí）答准确率将进一（yī）步（bù）提（tí）高，基于此模型（xíng）的机器（qì）人医生也有望更快出现。