《英國(guó)醫(yī)學(xué)雜志》圣誕刊的一項(xiàng)研究發(fā)現(xiàn)，在廣泛用于發(fā)現(xiàn)癡呆癥早期跡象的測(cè)試中，幾乎所有領(lǐng)先的大型語(yǔ)言模型或“聊天機(jī)器人”都表現(xiàn)出輕度認(rèn)知障礙的跡象。

研究結(jié)果還顯示，“老”版本的聊天機(jī)器人，如老年患者，在測(cè)試中表現(xiàn)更差。作者表示，這些發(fā)現(xiàn)“挑戰(zhàn)了人工智能將很快取代人類醫(yī)生的假設(shè)”。

人工智能領(lǐng)域的巨大進(jìn)步引發(fā)了人們對(duì)聊天機(jī)器人是否能超越人類醫(yī)生的一系列興奮和恐懼的猜測(cè)。

多項(xiàng)研究表明，大型語(yǔ)言模型(LLM) 在一系列醫(yī)學(xué)診斷任務(wù)上表現(xiàn)非常出色，但它們對(duì)認(rèn)知能力下降等人類缺陷的敏感性尚未得到檢驗(yàn)。

為了填補(bǔ)這一知識(shí)空白，研究人員使用蒙特利爾認(rèn)知評(píng)估 (MoCA) 測(cè)試評(píng)估了領(lǐng)先的、公開(kāi)的 LLM 的認(rèn)知能力——ChatGPT 版本 4 和 4o(由 OpenAI 開(kāi)發(fā))、Claude 3.5“Sonnet”(由 Anthropic 開(kāi)發(fā))以及 Gemini 版本 1 和 1.5(由 Alphabet 開(kāi)發(fā))。

MoCA 測(cè)試被廣泛用于檢測(cè)認(rèn)知障礙和癡呆癥的早期跡象，通常用于老年人。通過(guò)一系列簡(jiǎn)短的任務(wù)和問(wèn)題，它評(píng)估注意力、記憶力、語(yǔ)言、視覺(jué)空間技能和執(zhí)行功能等能力。最高分為 30 分，26 分或以上通常被認(rèn)為是正常的。