斯坦福HAI：大模型可以扮演儿童“言语治疗师”吗？

本文探讨了人工智能技术在儿童言语障碍诊断中的应用潜力。研究背景源于美国340万言语障碍儿童面临临床医生严重短缺的困境。研究目的是评估15种主流多模态语言模型在言语病理学任务中的表现，包括GPT-4、Whisper等模型在障碍诊断、类型识别等五大核心任务中的准确性。研究结论显示，当前模型最高准确率仅55%，未达到临床80-85%的标准要求，但通过微调技术可使性能提升10%，展现出未来应用潜力。同时研究也发现模型存在性别、语言和年龄偏见，以及数据隐私等挑战。