该团队又请来一组临床医生作答（dá）。这些临床医（yī）生分布于美（měi）国和（hé）英国，在初级保健、外科、内科和（hé）儿科（kē）方面具有专业经（jīng）验。

最后，研（yán）究人员将模型和人类医生的答案匿名后交（jiāo）给（gěi）9名分别来自美（měi）国、英国和印度的（de）临床医生进（jìn）行（háng）评估。

结果显（xiǎn）示，Med-PaLM在科学常识方面的正确率在92%以上，在理解、检（jiǎn）索和推理能力方（fāng）面，也几乎达到了人（rén）类（lèi）医生的水平（píng），并在克（kè）服隐性（xìng）偏见（jiàn）方面略（luè）胜一筹。

不过，该研究负（fù）责人（rén）也表示，Med-PaLM给出的答（dá）案在（zài）整体上仍然不如临床医生，该模型在实际应用（yòng）前有（yǒu）待进一步（bù）完善。

追根溯源，Med-PaLM是怎么诞生的呢？

这里不得不提（tí）谷歌在今年发布的转换器语言模型——PaLM，该模型基于Pathways架构、拥有5400亿参数（shù），是（shì）Google迄今（jīn）为止研发的最大（dà）规模的模型，全名为Pathways Language Model。

PaLM模型（xíng）在语（yǔ）言（yán）理解等各（gè）种方面的评估测试中的表现（xiàn）十分出色，甚至还在（zài）语言和推理类的测评中超过了人类。

Med-PaLM正是PaLM的（de）衍生品。谷歌研究团队（duì）首先在上（shàng）文提及的医学问题问答数据集“MultiMedQA”上（shàng）评估了PaLM及（jí）微调变体Flan-PaLM，然后，基于（yú）此提出了指令（lìng）提示x调（diào）整，让Flan-PaLM进（jìn）一步与医学接轨（guǐ），进一步产生（shēng）了Med-PaLM。

值得注意的是（shì），AI模型的每一次突破，都（dōu）预示着（zhe）更聪明的机器人即（jí）将到（dào）来。指挥（huī）机器（qì）人干活不是什么新奇的事，但要让机器人能够理解你的（de）命（mìng）令背后的意图，那就要（yào）考验它的“大脑”好不好用了。将AI模（mó）型应用到机器人身上相当（dāng）于给机器人（rén）“开智（zhì）”。

据了解（jiě），今年8月（yuè）份，谷歌（gē）就将大（dà）型语言模型（xíng）首（shǒu）次集成到机（jī）器人中，有了AI模型的加持（chí），机器人能像人类一样响应完（wán）整的命令。

谷（gǔ）歌研究人员就此做了演示（shì）。当对机器人说（shuō）：“我饿了，你能给我点零食（shí）吗？”机器人（rén）在自助（zhù）餐厅中搜索一番后，打开了一个抽屉，找（zhǎo）到一袋（dài）薯片并将它拿给研究（jiū）人员。

可以（yǐ）预见的是（shì），通过进（jìn）一步的训练、优化，Med-PaLM模（mó）型的回答准确率将进（jìn）一步提高，基于此模型的机（jī）器人医生也有望更快出现。