中医AI和GPT的区别和关系

术业有专攻，中医AI有独特的规则模型和算法(依据中医基础理论)，并且，医学AI输出必须精准可复现，推理可追溯，结论可解释，错误可定位。目前深度学习模型系列算法（包括GPT）都不适合直接用于医学AI，不适合作为核心模型算法。我们的中医AI基础模型算法基于《模糊数学》和《粒计算》，而不是深度学习。基于深度学习的大语言模型(LLM)作为中医 AI 的边缘外围 模型（粗放数据）；中医 AI 的内核模型是“概率-模糊-因果”三元融合量化 模型（精炼数据）。“内核模型”对“外围模型”的输出进行规范约束，满足医疗场景对 AI 的高精度要求。

深度学习直接应用于医疗领域存在的硬伤：

1. 深度学习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. 深度学习算法基于概率输出，并不具备领域 (如医疗) 思维进行因果推理的能力，导致其可解释性差，而医疗最需要的就是可解释。
3. 基于深度学习的大模型容易出现幻觉 (一本正经的胡说八道)，输出具有随机性，对错误容忍度低的医疗行业难以接受。
4. 如果基于 LLM 的 GPT 的输出不正确，难以回溯查找出问题的根源，且由于模型训练周期太长，成本太高，难以快速修正错误。