Apple 将通过一个 AI 驱动的医生系统进一步拓展医疗保健领域 —— 这是一种将与公司移动设备集成的健康教练。
据 Bloomberg 的 Mark Gurman 报道,这项名为 "Project Mulberry" 的计划最早可能于明年推出面向消费者的版本,并将在未来的 iOS 版本中发布。据报道,它将提供饮食习惯和运动技巧方面的建议,并使用 Apple 已经从 Health 应用程序和包括 Apple Watch 在内的硬件设备收集的数据。
众所周知,Apple 首席执行官 Tim Cook 一直承诺,公司的长期计划包括大力推进更多与健康相关的技术。
Apple 尚未立即回应置评请求。
目前尚不清楚 Apple 的这项计划是否会作为一个实际的医疗诊断资源来复制医生的工作 (正如 Gurman 的报告中所称的 "AI 医生服务" 那样),还是仅作为一个虚拟健康和保健顾问。根据报道,这个 AI 代理正在接受真实医生数据的训练,其服务可能包括来自医生和健康专家的内容。整个方案最终可能成为 Apple 不断发展的服务业务的另一支柱,并被命名为 "Health Plus"。
正如梅奥诊所指出的那样,虽然将 AI 与医疗保健结合有着巨大的潜力,特别是在预防保健和风险评估方面,但也有一些人警告说,将人工智能与医疗保健混合可能会带来隐患。
去年 12 月,医疗保健研究非营利机构 ECRI 发布报告,将 AI 列为 2025 年医疗保健领域的首要危害。该报告指出,虽然 AI 可能会从根本上改善医疗保健,但不准确或误导性的 AI 响应以及无法按承诺运作的 AI 产品都是医疗行业的潜在危险。
好文章,需要你的鼓励
Captions公司研究团队开发的Mirage模型实现了从音频直接生成说话视频的突破。该技术能准确生成与声音匹配的面部表情、唇型同步、手势动作和环境背景,甚至可仅从音频推测说话者外貌特征。基于统一的Diffusion Transformer架构,Mirage避免了传统方法的复杂专用模块设计,展现出卓越的情感表达和细节还原能力,为内容创作、教育培训和无障碍技术等领域开辟了新的应用可能。
牛津大学研究发现,尽管大语言模型在医学考试中表现出色,但在实际应用中效果大打折扣。研究显示,LLM直接测试时能94.9%准确识别病症,但人类使用LLM诊断时准确率仅34.5%,甚至低于不使用AI的对照组。问题源于用户提供信息不完整、LLM理解偏差等人机交互问题。专家指出,仅凭非交互式基准测试评估LLM存在误导性,需要真实的人机交互测试才能准确评估AI系统的实际性能。
NAVER和KAIST研究团队发现,先进AI模型在数学题自我修正方面存在严重缺陷。他们创建的MMRefine基准测试揭示,即使是GPT-4O等顶级模型也只能成功修正约23%的错误答案,而且经常将正确答案改错。研究发现不同模型在处理六种错误类型时表现差异巨大,特别是小型模型在空间推理修正上竟然超越了大型模型,颠覆了"越大越好"的认知。