Качество медицинских ответов искусственного интеллекта напрямую зависит от языка запроса. Исследования показывают: чем меньше данных на конкретном языке использовалось при обучении модели, тем выше риск получить неточный или ошибочный ответ. Способность нейросетей переводить тексты не компенсирует дефицит специализированных медицинских знаний на разных языках.
В этом материале:
Дисбаланс обучающих данных
Результаты тестирования моделей
Региональные стандарты и риски
Пути решения проблемы
Дисбаланс обучающих данных
Причиной неравенства в качестве ответов стал перекос в наборах текстов, на которых тренируют большие языковые модели (LLM). В крупном корпусе ROOTS английский язык занимает 30,03%, китайский — 16,16%, французский — 12,9% и испанский — 10,85%. В специализированных медицинских данных ситуация еще острее.
Так, база MMedC объемом 25,5 млрд токенов включает всего шесть языков, из которых 41,4% приходится на английский. При этом такие языки, как арабский, хинди, бенгальский и португальский, в этом наборе полностью отсутствуют.
Подробнее https://www.pravda.ru/news/health/2...