六成美国成年人在过去三个月中使用ChatGPT等AI技术获取健康或医疗保健信息。OpenAI并未将此视为美国医疗保健体系的问题,而是看到了影响政策制定的机会。
OpenAI周一发布的研究显示,全球每天有超过4000万人向ChatGPT咨询医疗保健相关问题,占该聊天机器人接收消息总量的5%以上。约四分之一的ChatGPT常规用户每周提交医疗保健相关提示,OpenAI理解为什么这些用户中有很多是美国人。
"在美国,医疗保健体系是一个长期存在且日益恶化的痛点,"OpenAI在研究中推测。
医疗专业人士的研究和第一手资料证实了这一点。12月发布的盖洛普民调结果显示,仅有16%的美国成年人对美国医疗保健费用感到满意,只有24%的美国人对其医疗保险覆盖范围持积极看法。
原因不难理解。近年来医疗支出急剧上升,随着共和党民选官员拒绝延长《平价医疗法案》补贴,美国家庭将在2026年面临保险成本的又一次飙升。根据盖洛普的调查结果,似乎支付着全世界最高人均医疗成本的美国投保人认为他们没有得到物有所值的服务。
根据OpenAI的说法,越来越多的美国人转向其AI来弥补医疗保健缺口,该公司似乎对此毫不担忧。
"对于美国的患者和医疗服务提供者来说,ChatGPT已成为重要盟友,帮助人们驾驭医疗保健体系,使他们能够自我维权,并支持患者和医疗服务提供者获得更好的健康结果,"OpenAI在研究中表示。
根据这份结合了ChatGPT用户调查和匿名消息数据的报告,每周有近200万条消息来自试图驾驭美国复杂医疗保险生态系统的用户,但他们仍不是美国AI医疗问题寻求者的大多数。
55%在过去三个月中使用AI帮助管理健康或医疗保健的美国成年人表示,他们试图了解症状,ChatGPT中70%的医疗保健对话发生在正常诊所时间之外。
生活在"医院荒漠"(报告中定义为距离综合医疗或儿童医院超过30分钟车程的地区)的个人也经常使用ChatGPT咨询医疗保健相关问题。
换句话说,当诊所关门或难以获得护理时,缺乏医疗服务的美国人转向AI寻求可能紧急的医疗问题答案。
医疗错误信息的滑坡
正如《卫报》上周报道的那样,依赖AI获取医疗信息可能导致毁灭性后果。
《卫报》对Google AI概览中医疗保健相关问题的调查发现,不准确的答案很常见,Google AI在癌症患者适当饮食、肝功能检测和女性医疗保健方面提供了错误信息。
OpenAI在给《The Register》的电子邮件中驳斥了可能向寻求医疗信息的美国人提供错误信息的想法。发言人告诉我们,OpenAI有一个专门负责处理准确医疗信息的团队,该团队与临床医生和医疗保健专业人员合作对其模型进行安全测试,找出可能存在风险的地方,并改善健康相关结果。
OpenAI还告诉我们,GPT-5模型在该公司自制的医疗保健基准测试系统中得分高于之前的版本。它进一步声称GPT-5大大减少了所有主要故障模式(即幻觉、紧急情况下的错误以及未能考虑全球医疗保健背景的失败)。
然而,这些数据点实际上都没有涉及ChatGPT在关键医疗情况下可能出错频率的核心问题。
不过,当在医疗行业扩张可能赚取大量资金时,这对OpenAI来说重要吗?该报告似乎得出结论,其在美国医疗保健行业日益重要的作用,再次不是对失败体系的控诉,而是技术进步的必然进程,并包含了几个"政策概念",该公司表示这些是其打算在不久的将来发布的完整AI医疗保健政策蓝图的预览。
自然地,建议的首要内容是呼吁开放并安全连接公共资助的医疗数据,以便OpenAI的AI能够"一次性从数十年的研究中学习"。
OpenAI还呼吁建设将AI纳入医学湿实验室的新基础设施,支持帮助医疗保健专业人员过渡到直接由AI支持,美国食品药品监督管理局制定新框架为消费者AI医疗设备开辟道路,以及明确医疗设备监管以"鼓励...支持医生的AI服务"。
Q&A
Q1:有多少美国人在使用ChatGPT获取医疗信息?
A:根据OpenAI的研究,约60%的美国成年人在过去三个月中使用了ChatGPT等AI技术获取健康或医疗保健信息。全球每天有超过4000万人向ChatGPT咨询医疗保健相关问题,其中很大一部分是美国用户。
Q2:为什么美国人频繁使用AI咨询医疗问题?
A:主要原因是美国医疗保健体系存在长期问题。调查显示仅16%的美国成年人对医疗费用满意,只有24%对医疗保险覆盖范围持积极态度。美国人支付着全世界最高的人均医疗成本,但认为没有得到物有所值的服务。
Q3:使用AI获取医疗信息存在什么风险?
A:依赖AI获取医疗信息可能导致严重后果。调查发现AI经常提供不准确的答案,比如在癌症患者饮食、肝功能检测和女性医疗保健方面给出错误信息。尽管OpenAI声称有专门团队确保信息准确性,但在关键医疗情况下的出错频率仍是未知数。
好文章,需要你的鼓励
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。