该团队又请（qǐng）来一组临床医生作答（dá）。这些临床医（yī）生分布于美国和英国，在初级保（bǎo）健、外科、内科和（hé）儿科方面具有（yǒu）专业（yè）经验。

最后，研究人（rén）员将模（mó）型（xíng）和人类医生的答案（àn）匿（nì）名后交给9名分（fèn）别（bié）来（lái）自美（měi）国、英国和印度的临床医生（shēng）进（jìn）行评估。

结果显（xiǎn）示（shì），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（miàn），也几乎（hū）达到了人类医生（shēng）的水平，并（bìng）在克服隐性（xìng）偏见（jiàn）方面略胜（shèng）一筹。

不过，该研究负责人（rén）也表示，Med-PaLM给出的答案（àn）在整体上仍（réng）然不如临床医（yī）生，该模型（xíng）在实际应用前有待进一步完善。

追（zhuī）根溯源，Med-PaLM是怎么（me）诞生的（de）呢？

这里不得不提谷歌（gē）在今年发布（bù）的转换（huàn）器语言模型——PaLM，该模型基（jī）于Pathways架构、拥有5400亿参（cān）数（shù），是Google迄（qì）今为止研发的最大规（guī）模（mó）的模型（xíng），全名为Pathways Language Model。

PaLM模型在语言（yán）理解等各种（zhǒng）方面的（de）评估（gū）测（cè）试中的表现（xiàn）十分出色，甚至还在语言和推理类（lèi）的测评（píng）中超过了人类。

Med-PaLM正是PaLM的衍生品。谷歌研究团队首先在（zài）上文提及的医学（xué）问题问答数据集“MultiMedQA”上（shàng）评估了PaLM及微调变体Flan-PaLM，然后，基（jī）于此提（tí）出了指令（lìng）提示x调整，让Flan-PaLM进一步与医学（xué）接轨（guǐ），进一步产生了Med-PaLM。

值得注意的（de）是，AI模型（xíng）的每一次突破，都预示着（zhe）更聪明的机器人即（jí）将到来。指挥机器人干活（huó）不是什（shí）么新奇的事，但要让机器人能够理解你的命令背后的意图，那就要考验它的“大脑”好不好（hǎo）用（yòng）了（le）。将AI模（mó）型应用到机器人身上相当（dāng）于给机器（qì）人“开智”。

据了（le）解（jiě），今年8月份，谷歌就将（jiāng）大型语（yǔ）言模型首次（cì）集成到机器（qì）人中，有了（le）AI模型的加持，机器人（rén）能像人类（lèi）一（yī）样（yàng）响（xiǎng）应完（wán）整（zhěng）的命令。

谷歌研究人（rén）员就此做了演示（shì）。当对（duì）机器人说：“我（wǒ）饿了，你（nǐ）能给我点零食吗？”机器人（rén）在自（zì）助餐厅中搜（sōu）索（suǒ）一番后，打开了一个抽屉，找到一袋薯片并（bìng）将它拿给（gěi）研（yán）究人员（yuán）。

可以预（yù）见的是，通过进一步的训练（liàn）、优化，Med-PaLM模型（xíng）的（de）回答准确率（lǜ）将进一步提（tí）高，基于此（cǐ）模型的机器人医生（shēng）也（yě）有望更快出现。