麻省理工学院最新研究表明，人工智能在理解“no”和“not”等否定词方面仍存在明显缺陷，在医疗等关键领域可能引发严重风险。

　　研究表明，AI 已快速发展，具备诊断疾病、创作诗歌甚至驾驶汽车等多项实用技能，但对“no”和“not”等否定词，却束手无策。

　　在博士生 Kumail Alhamoud 的带领下，MIT 团队联合 OpenAI 和牛津大学，发现包括 ChatGPT、Gemini 和 Llama 在内的当前主流模型，研究报告认为，这种情况在医疗场景产生的潜在危害尤为明显。例如，AI 可能误解“no fracture”或“not enlarged”，导致严重后果。

　　援引博文介绍，问题的根源并非数据不足，这导致 AI 在面对“not good”时，Lagrange Labs 首席研究工程师 Franklin Delehelle 也表示，AI 擅长模仿训练数据中的模式，但缺乏创新或处理训练数据之外情境的能力。

　　研究团队通过合成否定数据尝试改进模型，取得初步成效，但细粒度的否定差异仍具挑战性。

　　Katanforoosh 警告，AI 对否定的误解不仅是一项技术缺陷，更可能在法律、医疗和人力资源等领域引发关键错误。他呼吁，解决之道不在于堆砌更多数据，