GPT-4 Medical Exam: మాక్ మెడికల్ ఎగ్జామ్‌లో పాసైన చాట్‌జీపీటీ.. మనుషుల కంటే బెస్ట్‌ స్కోర్‌!

సాంకేతిక ప్రపంచంలో సరికొత్త సంచలనంగా మారిన చాట్‌జీపీటీ (ChatGPT) తన సామర్థ్యాలను అంతకంతకూ విస్తరించుకుంటూ పోతుంది. ఈ ఏఐ చాట్‌బాట్ శక్తివంతంగా మారుతుండగా.. ఇది ఉద్యోగులను భర్తీ చేస్తుందనే భయం రెట్టింపు అవుతోంది. ఈ నేపథ్యంలోనే లేటెస్ట్ వెర్షన్ చాట్‌జీపీటీ-4 (ChatGPT-4) న్యూరో సర్జరీ పరీక్షలో మానవుల కంటే మెరుగైన స్కోరు సాధించింది. అమెరికన్ బోర్డ్ ఆఫ్ న్యూరోలాజికల్ సర్జరీ ఈ మాక్ ఎగ్జామ్‌ క్వశ్చన్ పేపర్‌ను క్రియేట్ చేయగా.. ఆ పరీక్షలో ప్రతి ప్రశ్నకు సరైన సమాధానాన్ని ఇచ్చింది. మార్చి 29న పోస్ట్ అయిన ఒక కొత్త అధ్యయనం ఈ వివరాలను వెల్లడించింది. నిపుణులు ఇంకా దీనిని సమీక్షించలేదు. అయితే చాట్‌జీపీటీ తాజా వెర్షన్ మెరుగ్గా సమాధానాలు రాయగా.. ఇది మానవ నిపుణులను భర్తీ చేయగలదనే ఆందోళనలను లేవనెత్తింది.

మెరుగైన పర్ఫామెన్స్

"పర్ఫామెన్స్ ఆఫ్ చాట్‌జీపీటీ అండ్ జీపీటీ-4 ఆన్ న్యూరోసర్జరీ రిటన్ బోర్డ్ ఎగ్జామినేషన్స్" అనే టైటిల్‌తో చేసిన ఆ అధ్యయనాన్ని MedRxivలో పోస్ట్ చేశారు. (MedRxiv అనేది ఆరోగ్య శాస్త్రాల కోసం ఒక ప్రీ-ప్రింట్ సర్వర్‌). 500 ప్రశ్నలు ఉన్న ప్రాక్టీస్ న్యూరో సర్జికల్ రిటన్ బోర్డు ఎగ్జామ్‌లో చాట్‌జీపీటీ, దాని నెక్స్ట్ వెర్షన్ GPT-4 ఎంత బాగా పర్ఫార్మ్ చేశాయో విశ్లేషించడమే ఈ అధ్యయనం లక్ష్యం. కాగా ఓల్డ్ ChatGPT వెర్షన్ లేదా GPT-3.5 వైద్య విద్యార్థుల బోర్డ్ పరీక్షల్లో దాదాపు ఉత్తీర్ణత మార్కులు సాధించింది. అయితే లేటెస్ట్ వెర్షన్ GPT-4 మాత్రం దాని మునుపటి వెర్షన్‌తో పోల్చితే పరీక్షలలో మెరుగ్గా రాణించింది.

* అదరగొట్టిన GPT-4

మెడికల్ స్టూడెంట్ బోర్డ్ పరీక్షలలో 12 ప్రశ్నల కేటగిరీలలో GPT-4 ప్రతిదానిలో వినియోగదారుల కంటే చాలా ఎక్కువ స్కోరు చేసింది. ఇది కణితి (Tumor) ప్రశ్నల విభాగంలో క్వశ్చన్ బ్యాంక్ యూజర్లతో సహా చాట్‌జీపీటీని అధిగమించింది. అధ్యయనం ప్రకారం, ఈ పరీక్షలో చాట్‌జీపీటీ (జీపీటీ-3.5) 73.4 శాతం, జీపీటీ-4 83.4 శాతం స్కోర్‌లను సాధించగా.. వినియోగదారులు సగటున 73.7 శాతం మార్కులు సాధించారు. చాట్‌జీపీటీ, క్వశ్చన్ బ్యాంక్ చదివిన మానవులు ఈ మల్టిపుల్ ఛాయిస్ పరీక్షలో కనీస ఉత్తీర్ణత స్కోరు 69% కంటే ఎక్కువ సాధించారు. చాట్‌జీపీటీ, మనుషులు ఒకే విధమైన స్కోర్‌లు చేయగా GPT-4 వారిద్దరినీ మించిపోయింది. ఈ పరీక్షలో ఒకే ఒక సరైన సమాధానం ఉన్న మల్టిపుల్-ఛాయిస్ క్వశ్చన్లు ఉంటాయని అధ్యయనం తెలిపింది.

చాట్‌జీపీటీకి చదవడానికి ఎక్కువ పాసేజ్‌లు, క్లిష్టమైన ప్రశ్నలు ఇచ్చినప్పుడు, దాని కచ్చితత్వంలో తగ్గుదల కనిపించిందని అధ్యయనం కనుగొంది. మరోవైపు, GPT-4 కచ్చితత్వంలో తగ్గుదలని చూపించలేదు. ఇమేజ్ కంటెంట్‌తో కూడిన ప్రశ్నలపై ChatGPT లేదా GPT-4 రెండూ గొప్ప పర్ఫామెన్స్ చూపించలేదని అధ్యయనం వెల్లడించింది. ఈ ప్రశ్నలకు సమాధానం ఇవ్వడానికి రెండు మోడళ్లు కేవలం ఇమేజ్‌లతో ఇచ్చిన టెక్స్ట్/సందర్భోచిత ఆధారాల (Contextual clues)పై మాత్రమే ఆధారపడ్డాయి. చాట్‌జీపీటీ, జీపీటీ-4 ఈ ప్రశ్నలలో వరుసగా 49.5%, 56.8% మాత్రమే సరిగ్గా సమాధానం ఇవ్వగలిగాయి. పరీక్ష సమయంలో మల్టీమోడల్ ఇన్‌పుట్ సపోర్ట్ లేకపోవడం వల్ల ఇది జరిగి ఉండవచ్చని అధ్యయనం పేర్కొంది.

తెలుగు వార్తలు, తెలుగులో బ్రేకింగ్ న్యూస్ న్యూస్ 18‌లో చదవండి. రాష్ట్రీయ, జాతీయ, అంతర్జాతీయ, టాలీవుడ్, క్రీడలు, బిజినెస్, ఆరోగ్యం, లైఫ్ స్టైల్, ఆధ్యాత్మిక, రాశిఫలాలు చదవండి.

Tags: Career and Courses, Chatgpt, JOBS