23 juillet, l'IA santé Kuaishou a réussi le test écrit de 12 matières principales de médecine chinoise, dirigé par des chefs de service, devenant ainsi le premier grand modèle à accomplir ce défi en Chine. Actuellement, la capacité d'un « médecin IA de niveau chef de service » est pleinement intégrée à la recherche par IA de Kuaishou. Lorsque les utilisateurs recherchent des questions de santé, ils peuvent activer la recherche approfondie pour l'utiliser.
C'est une autre amélioration du pouvoir du grand modèle de santé Kuaishou, après avoir réussi l'examen du titre de médecin adjoint en mai. Dans la comparaison entre les modèles spécialisés et les modèles généraux, le grand modèle de santé Kuaishou montre une courbe de performance où plus la difficulté est élevée, plus son avantage est marqué, révélant ainsi une percée dans les tâches complexes de raisonnement médical.
Cela révèle le grand potentiel de la recherche sur les modèles spécialisés dans le domaine médical. Le grand modèle de santé Kuaishou, basé sur Qwen, a emprunté une voie d'ingénierie profonde adaptée aux scénarios verticaux. « Nous ne formons pas l'IA pour répondre aux questions médicales, mais pour qu'elle apprenne à penser comme un médecin », a déclaré Xu Jian, responsable algorithmique de la santé Kuaishou.
L'une des principales percées du grand modèle de santé Kuaishou est la construction d'une « capacité de réflexion lente ». Cette capacité intègre le raisonnement en chaîne et le modélage des chemins cliniques en plusieurs étapes, permettant au modèle de déduire progressivement une réponse finale face à des problèmes médicaux complexes.
La condition préalable à la construction de cette capacité de réflexion lente est d'avoir des données d'entraînement de haute qualité. Pour cela, Kuaishou a construit un système d'ingénierie « deux lignes de production de données + deux mécanismes de récompense ». D'une part, les données médicales sont divisées en deux catégories : « vérifiables » et « non vérifiables », correspondant respectivement aux tâches de diagnostic et aux tâches de conseils sur la santé ; d'autre part, dans la méthode d'entraînement, on introduit un « modèle de récompense pour le processus » et un « modèle de récompense pour le résultat », qui évaluent respectivement la pertinence de la chaîne de raisonnement du modèle et l'exactitude de la conclusion finale, améliorant ainsi significativement l'explicabilité clinique et la cohérence du raisonnement du modèle.
Ce système inclut également un processus de renforcement par étapes, comprenant une validation rigoureuse des données initiales par des humains, une sélection itérative des échantillons et une stratégie d'entraînement progressive selon le niveau de difficulté, ainsi qu'un mécanisme de détection de fraude pour éviter les « tricheries à haut score ». Grâce à l'étiquetage effectué par des médecins réels et à l'apprentissage par renforcement piloté par des ensembles complets de données « question-réflexion-réponse », le grand modèle de santé Kuaishou n'a pas seulement appris les connaissances médicales, mais a aussi maîtrisé la sélection de chemins de pensée médicale, l'intégration de preuves et l'équilibre entre plusieurs solutions. La base de connaissances médicales autoritaires en amont garantit que le contenu produit par le modèle est professionnel et à jour.
Le professeur Xie Jingsheng, chef de service du département de chirurgie cardiaque de l'hôpital Anzhen, affirme que la précision des réponses de Kuaishou sur certaines questions est même supérieure à celle des médecins spécialisés. Ce résultat repose sur la participation approfondie d'une équipe de médecins spécialisés. Actuellement, le grand modèle de santé Kuaishou dispose d'une équipe d'étiquetage de médecins spécialisés de taille millénaire, dont plus de 400 sont des médecins adjoints ou des experts médicaux de haut niveau.