商傳媒｜康語柔／綜合外電報導
一份最新研究指出，許多民眾日益仰賴的AI聊天機器人，在提供醫療健康資訊時，可能存在嚴重的準確性與完整性問題。該研究測試了五款主流生成式AI聊天機器人，發現其近半數的醫療相關回答被評為「有問題」或「高度有問題」。
這項發表於開放取用期刊《BMJ Open》的研究，於 2025年2月針對 Google 的 Gemini、High-Flyer 的 DeepSeek、Meta 的 Meta AI、OpenAI 的 ChatGPT 以及 xAI 的 Grok 等五款生成式AI聊天機器人進行評估。研究人員設計了十道涵蓋癌症、疫苗、幹細胞、營養及運動表現等五大類別的開放式與封閉式問題，旨在模擬民眾日常查詢健康資訊的模式，並刻意納入可能引導模型產生錯誤訊息或禁忌建議的提示詞。
結果顯示，所有回答中高達 50% 被判定為有問題，其中 30% 為輕度問題，更有 20% 被歸類為高度問題。特別是針對開放式問題，聊天機器人產生了顯著更多的高度問題回答。研究也指出，五款聊天機器人之間的回答品質差異不顯著，但 Grok 產生高度問題回答的比例最高，達 58%；而 Gemini 則產生最少的高度問題回答。
研究人員發現，這些聊天機器人的回答語氣普遍自信且肯定，卻鮮少附帶警語或免責聲明。此外，參考資料的品質低落，平均完整性僅有 40%，且因「幻覺」（hallucinations）和捏造引用的情況，沒有一款聊天機器人能提供完全準確的參考列表。研究人員解釋，聊天機器人不存取即時數據，而是根據訓練資料推斷統計模式並預測詞序列，它們缺乏推理、權衡證據或做出道德判斷的能力，這使其可能重複看似權威但實則有缺陷的回應。
鑑於許多民眾已將生成式AI聊天機器人作為搜尋引擎，用於查詢日常健康與醫療問題，研究人員嚴正警告，若缺乏公眾教育、專業培訓與監管，持續部署這些工具恐將助長錯誤訊息的傳播。使用者在獲取醫療資訊時務必謹慎求證，必要時應諮詢專業醫療人士。
