与一般领域相比，医学领域的大模型虽然有相似之处，但在模型设计、训练、应用等方面却有很大不同。“定位”是医疗模式与通用模式最大的相似之处。无论是过去的机器学习、后来的深度医疗器械检测要求学习，还是今天的生成式人工智能和大语言模型，人工智能的本质都是“工具中的工具”，以“赋能”为价值实现路径。AI——至少是现阶段的AI——不会成为医生，也不会独立研发药物，否则谷歌和微软就应该撕掉科技公司的标签，成为世界一流的制药公司。“场景需求”、“训练数据”、“应用对象”构成了医学大模型与一般大模型的区别。这三点将两类模型区分开来，开启了各自的发展道路。首先，医疗行业的专业性和严肃性是毋庸置疑的。医疗场景的容错率较低，这自然对大型语言模型提出了更高的要求，即AI需要基于医疗专业语料库给出更专业、准确的答案。医疗建议;其次，目前的医疗数据90%以上来自于医学图像，这也意味着一个实用有效、能够做出复杂决策的医学人工智能模型需要将医学图像、文本，甚至语音或者是多模态融合起来。视频等信息赋能各类医疗场景。
联系我时请说明是在任你发分类信息-免费发分类信息|免费信息发布平台|免费发布广告信息看到的，谢谢！