“有了医疗Gpt问答模型，在普通的搜索之余，就更多了一个AI问答的功能，患者需要的专业知识和文化水平就更加少了，轻松就能通过对话的形式得到需要的关键医疗信息。”孟繁岐自己进入过几个新的领域学习技能，他深知刚入门时候的难点。
有时候不是没有资料没有网站查，而是开卷你都不知道抄什么好！
一大堆资料就在你手边，你却不知道应该翻第几页，即便把答案告诉你，你小子却看不明白。
这也是不少患者最为头疼的地方。
“对于一些不常见的病症，几个高大上的医学专业词汇，和英文缩写的诊疗技术，分分钟就能把人说晕了。”韩辞觉得孟繁岐的思路合理。
“无良医生如果想忽悠你，能把感冒说成【急性上呼吸道病毒性感染性疾病】，然后把解热止痛药直接称呼其学名，什么【吲哚美辛】、【对乙酰氨基酚】。”
两下就能把没有防备心的人忽悠瘸了。
“有了医疗Gpt就能杜绝这些问题，只要直接进行对话，就像聊天一样，所有人都可以轻松获取高门槛的专业知识。虽然不敢说胜过专门科目的主任医生那么厉害，但平均在所有疾病上能有个一般医生的知识水平。”这是孟繁岐根据前世的情况大致推算的。
韩辞等人对此就没有那么乐观了：“上回Gpt和bERt潜伏在聊天群内，都得专门为他们设计繁琐的回复策略，添加了诸多限制。虽然潜伏是大获成功了，可它们两个也基本上没有什么有价值有意义的发言，这样真的行吗？”
几人的担忧不无道理，给病人提供医学建议是非常严肃的事情，需要极其专业的知识储备，也要负担不小的责任。
孟繁岐也清楚，这种AI助理问答的形式，不能保证百分之一百的正确。因此在回答的最后，医疗Gpt也会提供相关页面的链接供用户复核，并提醒病人最后要遵循医嘱。
“你们还是低估Gpt和bERt的实力了。”初版的两个受限于本身的规模和数据的质量以及大小，其性能并不足够突出。
不过孟繁岐并没有停下自己的脚步，在Gpt于bERt的初版结果符合预期之后，他就已经再次扩大了规模，训练了一个更大的bERt基准模型，获取基本的语言理解能力。
数据方面更是挥斥重金，让各大名校的医学生来做中英对照，将这些资料整理成模型需要的格式。在这个新版bERt方法的基础上，专门针对这批医疗数据做调整。
“我这种奢华的资料整理方式，远比外包给印度佬越南佬的文本标注质量要高多了。”由于文本数据量太过庞大，许多科技公司的数据标注都是外包给第三世界的。
在早期，数据的质量没有那么受到重视，大家还是以量为主，并且许多公司都在这件事情上控制了成本，不舍得下血本投入。
可孟繁岐非常清楚，openAI正是依靠严格的数据质量和人工反馈的纠正方式创造了奇迹。
并且23年也有文章证明，极其优异的高质量数据可以极大地减少语言大模型对参数规模和数据规模的需求。
这也是为何，即便众人都不理解，孟繁岐也要下血本整理出这份数据。
“伱们别看我给的钱多，我的数据验收标准也是非常严格的。稍有不妥的地方，我都不会付钱。”孟繁岐当然不是冤大头，既然出了大钱，自然也是高标准严要求。
“好在只是一个医学方向，要是全品类数据，即便是你也砸不起这个钱。”这大半个月看着孟繁岐疯狂支出，韩辞是冷汗直冒。
知道你有钱，但也经不起这么花啊！
“全品类数据就不需要这么严格的把关了，医疗信息人命关天，我慎重一些并不过分。况且这也是一锤子买卖，前期基建信息多，以后持续维护需要的金额就会小非常多了。”孟繁岐看着高质量医学数据库逐渐成型，心中清楚，这款专精医疗内容问答的智能模型已经可以开始训练准备了。
“运气好的话，差不过12月能出来。”即便手握数百张泰坦，孟繁岐差不多也需要一两个月的时间才能推动这款产品投入使用，目前的落后硬件对AI的限制可见一斑。
“过几天得问问老黄了，不知道他的帕斯卡系列研究得怎么样了。”孟繁岐心中很是焦急，p100系列显卡一出，他的训练效率至少提升三四倍。
等到那时，他就可以组建自己的超算中心，后续的任何进展都是事半功倍。