该（gāi）团队又请来一组临床医生作答。这些临（lín）床医生分布于美国和英（yīng）国，在初级保健、外科、内科（kē）和儿（ér）科方（fāng）面具有专业（yè）经验。

最后，研究人员将模型和人类医生的答案（àn）匿名后（hòu）交给9名分别来自美国（guó）、英国和印（yìn）度（dù）的临床医生进行评估。

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（jiě）、检索和推理能力方面，也几乎达到了人类医生的水（shuǐ）平，并在克（kè）服隐（yǐn）性偏见方面略（luè）胜一筹。

不过，该研究（jiū）负责人也表示，Med-PaLM给出的答（dá）案在整体上仍（réng）然不如临床医生，该模型在实际应用前有待进一步完善。

追根溯源（yuán），Med-PaLM是（shì）怎么诞生（shēng）的呢（ne）？

这里（lǐ）不得不提（tí）谷歌在今年发布（bù）的转换器语言模型——PaLM，该模型（xíng）基（jī）于Pathways架构、拥有（yǒu）5400亿参数，是（shì）Google迄今为止研发的（de）最（zuì）大规模（mó）的模型，全（quán）名（míng）为Pathways Language Model。

PaLM模型（xíng）在语言理解等各种方（fāng）面的评估测试中的表现十分（fèn）出色，甚至还在（zài）语言和推理（lǐ）类的测评中超过了（le）人（rén）类。

Med-PaLM正是PaLM的（de）衍生（shēng）品。谷歌研究团队（duì）首先在（zài）上文提及的医学问（wèn）题（tí）问答数（shù）据集“MultiMedQA”上评（píng）估了PaLM及微调（diào）变体Flan-PaLM，然后，基于此提（tí）出了（le）指令提示x调整，让Flan-PaLM进一步与医学接轨（guǐ），进一（yī）步产生了Med-PaLM。

值（zhí）得注意的是，AI模型的每一次突破，都预示着（zhe）更聪明的机（jī）器人即将到来。指挥机器人（rén）干（gàn）活不是什么新奇（qí）的（de）事（shì），但要让机器人能够理解你的（de）命令背后的意图，那就要考验（yàn）它的“大脑”好（hǎo）不（bú）好用了。将AI模型应用到机器（qì）人身上相当于给机器（qì）人“开智”。

据了（le）解，今年8月份，谷歌（gē）就将大型（xíng）语（yǔ）言模型首次集成到机器人中，有了AI模型的（de）加持，机（jī）器人能（néng）像人类（lèi）一样（yàng）响（xiǎng）应完（wán）整的命令。

谷歌研（yán）究人（rén）员（yuán）就此做了演示。当对机器人说：“我饿了，你（nǐ）能给我点零食吗？”机器人在（zài）自助餐厅中搜索（suǒ）一番后，打（dǎ）开了一个抽屉，找到一袋薯片并将（jiāng）它拿给研究人员。

可以预见（jiàn）的是，通（tōng）过进一步的训练、优（yōu）化，Med-PaLM模型的回答（dá）准确率将进一步提高，基于此模型的机器（qì）人（rén）医生（shēng）也有望更（gèng）快出现。