近日，浙江省現(xiàn)代炁脈健康研究院宣布，其自主研發(fā)的醫(yī)學(xué)AI系統(tǒng)Prome，已通過(guò)分層認(rèn)知架構(gòu)實(shí)現(xiàn)對(duì)大語(yǔ)言模型四大結(jié)構(gòu)性缺陷的系統(tǒng)性突破，為我國(guó)AI技術(shù)走出“規(guī)模競(jìng)賽”提供了新路徑。當(dāng)前，全球大模型發(fā)展面臨黑箱不可解釋、幻覺(jué)生成、算力依賴與災(zāi)難性遺忘四大瓶頸，傳統(tǒng)“堆參數(shù)、擴(kuò)算力”的路徑邊際效益遞減，且存在經(jīng)濟(jì)與環(huán)境可持續(xù)性挑戰(zhàn)。

圖注：浙江省現(xiàn)代炁脈健康研究院創(chuàng)始人劉清源

浙江省現(xiàn)代炁脈健康研究院的研究團(tuán)隊(duì)經(jīng)過(guò)23年理論研發(fā)與1000+例臨床閉環(huán)驗(yàn)證，構(gòu)建了全新的分層認(rèn)知AI架構(gòu)，為解決上述難題提供了中國(guó)方案。該架構(gòu)通過(guò)物體表征層、任務(wù)表征層、自我狀態(tài)層與執(zhí)行輸出層四個(gè)獨(dú)立層級(jí)，實(shí)現(xiàn)AI推理過(guò)程的全流程可審計(jì)。每一層均具備明確的輸入、處理邏輯與輸出記錄，打破了傳統(tǒng)大模型“黑箱決策”的局限。在臨床應(yīng)用中，系統(tǒng)可完整呈現(xiàn)從病因到診斷的推理鏈條，每一步均標(biāo)注置信度與驗(yàn)證要求，實(shí)現(xiàn)“決策有依據(jù)、偏差可溯源、錯(cuò)誤可修正”，為醫(yī)學(xué)AI的臨床落地提供了安全保障。針對(duì)大模型“概率生成式編造”問(wèn)題，Prome系統(tǒng)內(nèi)置能力邊界感知模塊，在處理問(wèn)題時(shí)首先評(píng)估自身知識(shí)與問(wèn)題的匹配度，對(duì)超出驗(yàn)證邊界的場(chǎng)景主動(dòng)輸出“不確定”提示，并明確說(shuō)明限制條件，從機(jī)制上避免錯(cuò)誤信息輸出。在1000+例臨床病例驗(yàn)證中，該機(jī)制實(shí)現(xiàn)了零幻覺(jué)編造記錄，為醫(yī)療場(chǎng)景下的AI可靠性提供了有力支撐。研究團(tuán)隊(duì)創(chuàng)新采用“認(rèn)知框架+遷移學(xué)習(xí)”路徑，通過(guò)建立基礎(chǔ)認(rèn)知框架，實(shí)現(xiàn)新病種學(xué)習(xí)的局部參數(shù)微調(diào)，數(shù)據(jù)需求量較傳統(tǒng)端到端訓(xùn)練減少一個(gè)數(shù)量級(jí)，未見(jiàn)過(guò)病例的泛化準(zhǔn)確率提升37%，大幅降低了AI訓(xùn)練與應(yīng)用的算力成本。同時(shí)，“活架構(gòu)”設(shè)計(jì)有效解決了災(zāi)難性遺忘問(wèn)題，實(shí)現(xiàn)新舊知識(shí)的動(dòng)態(tài)整合與長(zhǎng)期共存，為AI系統(tǒng)的持續(xù)迭代提供了可持續(xù)路徑。

當(dāng)前，全球AI競(jìng)爭(zhēng)多聚焦于模型規(guī)模與算力投入，而浙江省現(xiàn)代炁脈健康研究院的成果，提出了“架構(gòu)優(yōu)先于規(guī)?！钡膭?chuàng)新思路，為AI技術(shù)發(fā)展提供了新的可能性。業(yè)內(nèi)專家表示，分層認(rèn)知架構(gòu)的臨床驗(yàn)證成果，若經(jīng)第三方標(biāo)準(zhǔn)化測(cè)試進(jìn)一步確認(rèn)，將對(duì)AI技術(shù)在醫(yī)療等高可靠性場(chǎng)景的落地應(yīng)用產(chǎn)生重要推動(dòng)作用，也為我國(guó)AI技術(shù)實(shí)現(xiàn)差異化競(jìng)爭(zhēng)提供了方向。研究院表示，將繼續(xù)推進(jìn)第三方獨(dú)立驗(yàn)證，并尋求跨領(lǐng)域合作，探索該架構(gòu)在更多行業(yè)場(chǎng)景的應(yīng)用價(jià)值，助力我國(guó)AI技術(shù)高質(zhì)量發(fā)展。

關(guān)于浙江省現(xiàn)代炁脈健康研究院

浙江省現(xiàn)代炁脈健康研究院成立于2018年，聚焦認(rèn)知建模與人工智能架構(gòu)的交叉研究，核心創(chuàng)新為以認(rèn)知框架構(gòu)建為核心的訓(xùn)練方法論，致力于通過(guò)架構(gòu)創(chuàng)新解決AI技術(shù)的可靠性與可持續(xù)性問(wèn)題。