近期，一篇來自微軟與華盛頓大學的醫療研究論文意外披露了 OpenAI 最新語言模型的參數細節，引發廣泛討論。論文中詳細列出了 GPT-4、GPT-4o 和 o1 系列模型的參數規模，甚至包括最新小型模型 GPT-4o mini 的資料，令 AI 社群為之震驚。
參數規模曝光：GPT-4o 與 o1 模型細節揭露
根據論文內容，各大模型參數數量如下：
- GPT-4：約 1.76 兆參數
- GPT-4o：約 2000 億參數
- GPT-4o mini：約 80 億參數
- o1-preview：約 3000 億參數
- o1-mini：約 1000 億參數
- Claude 3.5 Sonnet：約 1750 億參數
最讓人驚訝的是，GPT-4o mini 僅有 80 億參數，卻展現出強大的效能和速度。部分研究人員推測，它可能採用了 MoE（Mixture of Experts）架構，雖然總參數較大，但僅啟動部分參數進行運算，因此達到更高效率與準確性。
論文重點：AI 模型在醫療領域的挑戰與應用
這篇論文主要聚焦於 AI 模型在醫療領域的表現與應用，並推出了一個專為醫療錯誤檢測與糾正設計的新基準——MEDEC。
MEDEC 資料集介紹
MEDEC 資料集共包含 3848 篇臨床筆記，涵蓋診斷、管理、治療、藥物治療與致病因子五種錯誤類型，為測試 AI 模型的準確性提供可靠依據。
該資料集由三家美國醫院系統提供，並確保 AI 模型在訓練過程中未曾接觸相關內容，從而提高測試的真實性與挑戰性。
模型測試結果
研究團隊選用目前最先進的語言模型，包括 GPT-4o、o1-preview、Claude 3.5 Sonnet、Gemini 2.0 Flash 等進行測試，並與兩位專業醫生的表現作對比。
結果顯示：
- Claude 3.5 Sonnet 在錯誤標識準確率方面達到 70.16%，表現最為突出。
- o1-preview 在錯誤糾正方面綜合得分最高，達到 0.698，明顯優於其他模型。
- GPT-4o mini 雖然參數較少，但在速度與準確性方面的表現超出預期，驗證其架構設計的優勢。
然而，與人類醫生相比，AI 模型在醫療錯誤檢測和糾正方面仍存在明顯差距，尤其是在應對罕見病情或複雜病例時，AI 容易出現「幻覺」（生成虛假或錯誤資訊），進一步突顯模型安全性與準確性的挑戰。
AI 在醫療應用的挑戰與機遇
1. 錯誤檢測與糾正難題
研究指出，目前 AI 模型仍難以完全取代專業醫生的判斷能力，特別是臨床文本中的細微差異與語境理解，AI 容易產生錯誤標識或不準確的糾正結果。
2. 模型安全性與可信度
AI 模型在醫療應用中必須高度精準，任何錯誤資訊都可能影響患者的治療與健康。因此，加強模型驗證機制與資料審核流程顯得尤為重要。
3. 資料透明度與架構分析
這次論文洩密事件揭露的參數細節，也讓業界對模型架構與訓練過程提出更多疑問。例如 GPT-4o mini 採用 MoE 設計是否有助於提高效率？AI 開發者是否應該更強調模型的透明度與監管？
結語：AI 技術進步背後的安全警示
OpenAI 模型參數意外洩密，不僅揭示了 GPT-4o 和 o1 模型的強大技術細節，也將 AI 在醫療應用中的挑戰與機會推向焦點。
研究結果顯示，AI 在醫療錯誤檢測與糾正方面雖有可觀的潛力，但距離真正取代人類專業醫生仍有一段距離。同時，AI 模型參數與架構透明度的爭議，也提醒業界需加強技術監管與安全保障，確保人工智能的發展能夠安全可靠地造福人類社會。
Facebook: https://www.facebook.com/drjackeiwong/
Instagram: https://www.instagram.com/drjackeiwong/
YouTube: https://www.youtube.com/@drjackeiwong/
Website: https://drjackeiwong.com/