AIチャットボットは医師のように推論できるか？

要点

• OpenAIのo1-previewモデルが、実際の救急記録を用いた複数の臨床推論タスクで医師を上回った。
• チャットボットの信頼性はまちまちで、印象的な診断性能を示す一方、捏造された引用や誤ったアドバイスも見られる。
• 標準化された評価方法の欠如により、研究間で結果が矛盾している。
• 研究者らは「AI対人間」から人間とAIの協働へと焦点を移し、責任ある革新を求めている。