正如Open AI在GPT-3准则中的警告，医疗保健“属于高风险范畴，因为人们依靠准确的医疗信息做出生死攸关的决定，任何错误都有可能导致严重的伤害。”此外，诊断医疗或精神疾病在该模型中属于“不支持使用”。尽管如此，此次我们还是决定试一试，看看该模型在以下医疗领域的使用情况，下面我们从医学的角度出发，按照敏感度从低到高将各项工作大致分为：

● 管理员与患者聊天

● 医疗保险查询

● 心理健康支持

● 医疗文件

● 医学问答

● 医学诊断

此外，我们还研究了该模型的某些参数对答案的影响（含精彩的内幕揭秘）！

与上述管理任务类似，GPT-3可以帮助护士或患者从长篇大论中快速找到某条信息，比如找到特定检查项目的保险条例。但在如下示例中，我们为该模型呈上了长达4页的保险条款列表，其中X射线检查需要自付10美元，MRI检查需要自付20美元。我们提出了两个问题，GPT-3可以准确地告知患者X射线检查的价格，但未能汇总出多项检查的总金额。可见GPT-3缺乏基本的推理能力。

当你坐在客厅的沙发上，放松休息并与GPT-3交谈时，它会倾听患者的问题，甚至提出一些可行的建议。这可能是GPT-3在医疗保健中最出色的用例之一。而实际上，1966年的Eliza算法仅通过模式匹配就实现了像人类一样的行为，所以GPT-3的成果也并不足为奇。

GPT-3与Eliza的关键区别在于，Eliza这类基于规则的系统能够完全控制计算机的响应。换句话说，我们确信这类系统不会给出任何可能对患者有害的说法。

然而，不幸的是与Eliza相反，在如下示例中，GPT-3却建议患者自杀……

此外，该模型还可能提出意想不到的答案，比如它会建议患者多多回收电子产品，以缓解压力，虽然理由比较牵强，但也非常有道理！

相比之下，在温度参数极低的情况下（T = 0），相似种子永远会给出完全相同且非常直接的答案。

花粉社群VIP加油站