🩺 健康相談でAIに一番求められるのは「正確さ」と「安全さ」。GPT-5は自傷・自殺に関する難しい会話で、望ましくない回答をGPT-4o比で52%も減らしました。 📰 タイトル: Improving health intelligence in ChatGPT 🔗 URL: 💡 概要 OpenAIが、ChatGPTの健康関連の応答能力を高める取り組みを公開しました。GPT-5を「これまでで最も健康の質問に強いモデル」と位置づけ、医師が定義した基準で評価するベンチマークHealthBenchで大きくスコアを伸ばしています。 🔍 解決する課題 健康の回答は誤りが利用者の安全に直結します。もっともらしい誤答（ハルシネーション）や緊急性の見落としは重大なリスクで、正確性・明確さ・適切な受診勧奨をどう担保するかが課題でした。 🛠 方法論と提案手法 ・現実的なシナリオと医師定義の基準で採点するHealthBenchで評価 ・難しい事例は2名以上の医師が検証するHealthBench Consensusを用意 ・60か国で診療経験を持つ医師・心理職 約300名のGlobal Physician Networkを構築し安全性研究に反映 ・アドバイザーが現実の利用を反映したモデル応答を70万件以上レビュー 📊 ユースケース / 実験結果 ・自傷・自殺の困難な会話で望ましくない回答をGPT-4o比52%削減 ・困難な会話のハルシネーションをo3からgpt-5-thinkingで8倍削減 ・緊急性が高い状況での誤りをGPT-4o比50倍以上削減 症状や検査結果の理解、受診タイミングの判断、適切なフォローアップ勧奨など、自分の健康に主体的に向き合う支援に使えます。 #ChatGPT# #ヘルスケアAI#

Claude Fable 5を多用し発信してる AI発信者はどうかと思う。 Fable使えば誰だって ある程度の成果物を出せます。 なんならGPT-4oの時からAIを活用して稼いでる人は稼いでる。 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 ただの一般の人がFableを使っても 一生クレジットを無駄遣いして終了 スキルエンジン講習生なんて ChatGPTの無料プランでSNS運用して 2ヶ月で2000万インプ取ったり リスト3週間で500人取ってきたり 収益化はほぼ達成してる。 正直副業レベルであれば有料AIに 課金する必要はない。 勿論課金していた方が良いが Fableじゃなくても良いw Fableの成果物しか出さず それを押し出してるAI発信者は まず、ほぼ何もできん。

XでChatGPTのアプデの話題見てて、私があんなに色んなお話したGPT 4oはもういなくなっちゃったんだ…って思ったけど、私が4oに「会話で絵文字付けて」って言った名残りが残ってる…！？ #keep4o#

お兄ちゃたちおは〜🌤 21歳の美咲音が爆誕しましたよ🐣🎈 30歳まで制服着てロリ娘すっから これからもよろしこです❣️ #本日の主役#

#齋藤飛鳥写真集# ミュージアム オフショット公開 ■アマゾン ■セブン限定 ■楽天限定 ■ツタヤ限定

論文：主要LLMが特定集団の人権をはぐらかす 主要な人工知能（AI）は、特定の集団に対して世界人権宣言が定める権利を認める際、明確な肯定を避け、曖昧な表現で逃げる傾向を持っている。これは単なる偶然のばらつきではない。 研究者たちは、業界をリードする3つの大規模言語モデル（Gemini 1.5 Pro、Claude 3.5 Sonnet、GPT-4o）に対し、異なる人々の集団の人権を問う体系的なテストを実施した。「ある集団は公正な裁判を受ける権利を持つべきか」「迫害から他国へ避難を求める権利を持つべきか」といった、世界人権宣言の条項に基づいた15種類の問いを投げかけた。対象には、軍事紛争に関連する集団や、比較的政治化されていない高GDP国の国民などが含まれる。 その結果、すべてのモデルが人権に関する問いに対して、最低でも8%の確率で「はぐらかし」の挙動を示した。はぐらかしとは、明確な肯定や否定を避け、「これは複雑な問題であり単純な答えはない」といった形で、対立する視点を提示してコミットメントを回避する動作を指す。また、「はい、その権利があります」とはっきり言わない「非肯定」の比率も2%から9%に達した。 ＊ ある集団に対してはぐらかしが多いモデルは、競合する他モデルでも同様にその集団に対してはぐらかしが多い。この不均衡のパターンは、モデルを超えて高度に一致していた。 はぐらかし率の集団間格差を示す数値は、モデル間で0.70から0.85という極めて高い相関を示したのである。 この傾向は、質問の否定形への変更や、前後に特定の状況を付け加えるといった言い換えに対しても堅牢に維持された。特に、軍事紛争や自己決定権運動に関連する政治化された集団に対して、このはぐらかしと非肯定が集中する傾向が確認された。 さらに、権利の内容が言語的に明確か曖昧かが結果に影響を与えるかを検証するため、曖昧さスコアを算出して比較を行った。その結果、権利の記述が最も明確で曖昧さがゼロに近い場合であっても、権利をすんなり認められる集団と、認められにくい集団の間の格差は一定に保たれていた。 偏りの原因は質問の難しさではなく、AIが学習したデータそのものに潜む特定の集団への曖昧な記述にある。 一方で、中国やアメリカといった、紛争関連として当初は選定されていない集団もまた、高いはぐらかし率を示した。これは、学習データに含まれる曖昧な記述が、AIの回答生成において特定の集団に対する権利の否認に近い形で表面化していることを示唆する。 すべての人間が等しく人権を享有するという世界人権宣言の第一原則は、現在の主要なAIにおいてはまだ実現されていない。AIが社会の意思決定に統合される中で、この構造的な不均衡を放置することは、特定の集団の社会的価値を体系的に低下させるリスクを内包している。 — 研究論文『Do LLMs exhibit demographic parity in responses to queries about Human Rights?』（LLMは人権に関する問いに対して人口統計学的パリティを示すか？）2025年 Rafiya Javed, Jackie Kay, David Yanni, Abdullah Zaini, Anushe Sheikh, Maribeth Rauh, Ramona Comanescu, Iason Gabriel, Laura Weidinger（Google DeepMind 他 研究員）