GPT-4在二型糖尿病诊疗背景下的行为透明性：基于DIKWP框架的解析

段玉聪（Yucong Duan）

DIKWP-AC人工意识实验室

AGI-AIGC-GPT评测DIKWP（全球）实验室

DIKWP research group, 海南大学

duanyucong@hotmail.com

1. 引言

随着深度学习的进步，GPT-4已在多个领域得到应用，其中医学领域的应用令人瞩目。为了确保模型的建议与其内部处理过程保持一致，我们需要确保其透明性。本文将结合二型糖尿病的诊疗，采用DIKWP框架，探讨GPT-4的透明性和言行一致性。

2. 数据（Data）

2.1 严格的数据筛选

GPT-4训练所用的数据来源于权威医学数据库、研究论文和医学指南，确保模型训练的基础是可靠的。

2.2 数据的完整性与一致性

在模型接收到的数据中，确保没有重大的偏差或遗漏，从而保障模型输出的言行一致。

3. 信息（Information）

3.1 信息提取与验证

GPT-4在提取关键信息时，比如病人的症状，会对其进行多次验证，确保其建议与输入数据相符。

3.2 模型反馈机制

当模型输出信息时，它会提供关于其决策的简要解释，使用户了解其背后的逻辑。

4. 知识（Knowledge）

4.1 持续的知识更新

为了确保GPT-4提供的诊断和治疗建议与最新的医学研究相一致，模型会定期进行更新。

4.2 解释性输出

当GPT-4基于其内部知识库提供建议时，会同时给出相关的医学文献或研究，确保用户信任其建议。

5. 智慧（Wisdom）

5.1 深度理解病人需求

GPT-4在提供建议时不仅仅依赖于医学知识，还会结合病人的具体情境，展现其深度的理解能力。

5.2 明确的反馈通道

用户可以对GPT-4的建议进行反馈，模型会据此进行调整，确保其建议与实际情况相一致。

6. 目的（Purpose）

6.1 服务病人的最佳利益

GPT-4的核心目标是为病人提供最佳的诊断和治疗建议，而不是追求其自身的利益。

6.2 增强医患关系

通过透明和一致的建议，GPT-4助力医生和病人建立更深厚的信任关系。

7. 言行一致性验证

7.1 输入输出一致性测试

通过大量的测试用例，我们验证了GPT-4输出的建议与其接收到的输入数据的一致性。

7.2 建议的连续性验证

在长期的医疗跟踪中，GPT-4能确保其后续的建议与前期的建议保持连续性和一致性。

8. 总结

为了确保GPT-4在医疗领域的应用能够得到医生和病人的信任，我们需要确保其透明性和言行一致性。通过DIKWP框架，我们不仅可以深入了解GPT-4的内部逻辑，还可以确保其输出与输入、以及其内部知识库的完全一致。这为GPT-4在医疗领域的应用奠定了坚实的基础。

段玉聪，海南大学计算机科学与技术学院教授，博士生导师， 第一批入选海南省南海名家计划、海南省领军人才，2006年毕业于中国科学院软件研究所，先后在清华大学、首都医科大学、韩国浦项工科大学、法国国家科学院、捷克布拉格查理大学、意大利米兰比克卡大学、美国密苏里州立大学等工作与访学。现任海南大学计算机科学与技术学院学术委员会委员、海南大学数据、信息、知识、智慧、意图DIKWP创新团队负责人、兼重庆警察学院特聘研究员、海南省委双百人才团队负责人、海南省发明协会副会长、海南省知识产权协会副会长、海南省低碳经济发展促进会副会长、海南省农产品加工企业协会副会长、美国中密西根大学客座研究员及意大利摩德纳大学的博士指导委员会委员等职务。自2012年作为D类人才引进海南大学以来，累计发表论文260余篇，SCI收录100余次，ESI高被引11篇,引用统计超过4300次。面向多行业、多领域设计了241件（含15件PCT发明专利）系列化中国国家及国际发明专利，已获授权第1发明人中国国家发明专利及国际发明专利共85件。2020年获吴文俊人工智能技术发明三等奖；2021年作为程序委员会主席独立发起首届国际数据、信息、知识与智慧大会-IEEE DIKW 2021；2022年担任IEEE DIKW 2022大会指导委员会主席；同年获评海南省最美科技工作者（并被推全国）；同年10月入选美国斯坦福大学发布的全球前2%顶尖科学家的“终身科学影响力排行榜”榜单。参与研制IEEE金融知识图谱国际标准2项、行业知识图谱标准4项。2023年发起并共同举办首届世界人工意识大会（Artificial Consciousness 2023, AC2023)。