Yapay Zeka Eczacılık Sınavında Ter Döktü: Hangi Modeller Başarılı Çıktı?

5 farklı yapay zeka modelinin 227 eczacılık sorusuyla test edildiği araştırmada, ChatGPT-4o-mini%91,2 ile zirveye yerleşirken kritik hatalar dikkat çekti.

· 1 dk 2 Yapay Zeka Eczacılık Sınavında Ter Döktü: Hangi Modeller Başarılı Çıktı? Beyin Taramasıyla Vücut Yaşını Ölçmek Mümkün mü? Yeni Araştırma Ortaya Çıktı Yapay zekanın sağlık sektöründeki yetkinliğini ölçen yeni bir araştırma, büyük dil modellerinin eczacılık sınavlarındaki performansını ortaya koydu.

Enfeksiyon hastalıkları odaklı 227 eczacılık sınav sorusu üzerinden gerçekleştirilen değerlendirmede, test edilen beş modelin genel doğruluk oranları%90 civarında seyretti. Modeller arasında en yüksek başarıyı%91,2 skorunu yakalayan ChatGPT-4o-mini elde etti.

Genel başarı oranı yüksek görünse de modellerin belirli uzmanlık alanlarında ciddi zorluklar yaşadığı belirlendi. Özellikle tıbbi kimya ve klinik mikrobiyoloji konularındaki sorularda doğruluk oranlarının anlamlı ölçüde düştüğü gözlemlendi.

Ayrıca, basit bilgi geri çağırmanın ötesine geçen yüksek düzey bilişsel analiz gerektiren sorular ve görsel içerikli sorular, yapay zekanın en çok hata yaptığı alanlar olarak kaydedildi.

Araştırma sonuçları, yapay zekanın sağlık gibi hata payının düşük olduğu alanlarda tek başına güvenilir bir kaynak olamayacağını kanıtlar nitelikte. Uzmanlar, AI tarafından üretilen yanıtların mutlaka bağımsız bir profesyonel tarafından doğrulanması gerektiği konusunda uyarıda bulunuyor.