问法决定答案？MIT研究：AI医疗建议的可靠性，竟藏在你提问的方式里！
技术演进与用户体验的矛盾
随着生成式人工智能（AI）技术持续发展，其应用场景已从基础问答延伸至更复杂的任务领域。然而，对于缺乏技术背景的普通用户而言，如何高效且准确地使用这些工具正变得愈发困难。
微软Copilot遭遇用户质疑
一份独立报告显示，在微软AI部门收到的用户反馈中，"Copilot 不如 ChatGPT 好用"成为最常被提及的问题。对此，微软回应称这主要归因于用户"提示词工程能力不足"。为提升体验，公司还推出了"Copilot 学院"，旨在帮助用户掌握更高效的AI使用技巧。
MIT研究验证提示词重要性
麻省理工学院（MIT）一项最新研究表明，微软将问题归咎于用户提示词能力的说法并非毫无根据。研究发现，用户提问的方式可能直接影响AI的判断结果，尤其在医疗建议方面存在潜在风险。
医疗AI的潜在隐患
- 过度依赖AI获取健康建议可能带来严重后果；
- 拼写错误或多余空格可能导致AI误判病情；
- 使用俚语或非正式语言也可能引发判断偏差。
性别差异初现端倪
研究人员发现，女性用户似乎比男性更容易受到AI错误建议的影响，尽管这一结论尚需进一步验证。
实验方法与测试模型
研究团队对多个主流AI系统进行了评估，包括OpenAI的GPT-4、Meta的LLaMA-3-70B，以及专用于医疗领域的Palmyra-Med。测试案例来源于真实患者投诉、Reddit健康讨论及AI生成病例。
加入扰动因素后的表现变化
为了模拟真实用户输入，研究人员在问题中加入了以下干扰项：
- 首字母大小写混乱；
- 感叹号滥用；
- 情绪化表达；
- 不确定语气词汇（如"可能"、"大概"）。
结果显示，这些扰动使AI建议"无需就医"的概率上升了7%至9%。
研究负责人观点
MIT研究员阿比尼塔・古拉巴蒂娜指出："这些模型通常基于医学考试题目进行训练和测试，但在实际临床场景中------例如评估病情严重程度时，表现却大相径庭。我们对大语言模型的理解仍处于初级阶段。"
微软AI医疗宣传遇冷
值得注意的是，就在不久前，微软刚刚宣布其新推出的AI医疗工具"准确率是人类医生的四倍，成本却低两成"，并被誉为"迈向医疗超级智能的重要一步"。
现实与理想的差距
这项研究再次提醒公众：尽管生成式AI技术发展迅猛，但其在医疗等高度复杂领域的应用仍远未达到完全可靠的程度。在大规模推广前，仍需开展更多严谨评估与实证研究。