基于大语言模型(LLM)的各类GPT为什么不适合作为医疗AI的核心模型？

1.大模型首先需要海量的数据，但医疗领域数据量往往并不足够大。

2.大模型使用深度学习算法基于概率输出，并不具备应用领域(如医疗)思维进行因果推理的能力。

3.深度学习模型过份强调“数据”却忽略了蕴含其中的“知识”，对信息进行了降维处理。

4.由于深度学习模型依赖“概率”忽略了“知识”，导致其可解释性差，而医疗最需要的就是可解释。

5.如果GPT的输出不正确，难以回溯查找出问题的根源，更难以快速修正错误。

6.深度学习模型容易出现幻觉(一本正经的胡说八道),对错误容忍度低的医疗行业难以接受。

7.当前，知识图谱(Knowledge Graph)更适合作为医疗等高精度行业的核心基础模型，而大语言模型(LLM)可以作为前端交互的补充。

8.总之，目前的深度学习更适合“感知计算”，而高阶人工智能所依赖的“认知计算”需要“数据+知识”双驱动，双融合。