नवीन हेल्थ बेंचमार्कमध्ये OpenAI चे GPT-5.5 Instant डॉक्टरांना मागे टाकते

OpenAI ने GPT-5.5 Instant मॉडेल लाँच करून आपल्या आरोग्य सेवा क्षेत्रातील बुद्धिमत्तेचा (healthcare intelligence) अधिक सक्षम स्तर गाठला आहे, जे विशेष AI तर्कशक्तीमधील (specialized AI reasoning) एक महत्त्वपूर्ण टप्पा आहे. हे नवीन अपग्रेड वैद्यकीय अचूकतेमध्ये उच्च दर्जाच्या "Thinking" मॉडेल्सना टक्कर देण्याची अभूतपूर्व क्षमता दर्शवते आणि त्याच वेळी ते अत्यंत किफायतशीर देखील आहे.

डॉक्टरांनी लिहिलेल्या उत्तरांना मागे टाकते

OpenAI च्या ताज्या डेटातील सर्वात धक्कादायक बाब म्हणजे, विशिष्ट प्रमाणित मूल्यमापनांमध्ये (standardized evaluations) GPT-5.5 Instant ने मानवी डॉक्टरांना मागे टाकण्यास सुरुवात केली आहे. OpenAI च्या स्वतःच्या बेंचमार्क्समध्ये, या मॉडेलने पाच महत्त्वपूर्ण मूल्यमापन श्रेणींमध्ये GPT-4o आणि डॉक्टरांनी लिहिलेली उत्तरे या दोन्हीना मागे टाकले आहे. विशेषतः, मॉडेलने सूचनांचे पालन करण्यामध्ये (instruction following) ८९.९ टक्क्यांपर्यंत गुण मिळवले आहेत, ज्यामुळे वैद्यकीय शंकांचे अचूक, सुव्यवस्थित आणि संदर्भाला धरून मार्गदर्शन मिळेल याची खात्री मिळते.

कामगिरीतील ही झेप केवळ किरकोळ सुधारणा नाही; तर ती त्रुटींच्या प्रमाणात झालेली मोठी घट दर्शवते. OpenAI ने कळवले आहे की, गेल्या दोन महिन्यांत चुकीच्या आरोग्यविषयक विधानांची वारंवारता ७१ टक्क्यांनी घटली आहे, जे अत्यंत संवेदनशील क्षेत्रांमध्ये मॉडेलच्या तर्कक्षमतेच्या (reasoning capabilities) वेगाने होणाऱ्या स्थिरतेचे संकेत देते.

Human-in-the-Loop: वैद्यकीय प्रमाणीकरणाची व्याप्ती

GPT-5.5 Instant चा विकास कोणत्याही एकाकी प्रक्रियेतून झालेला नाही. क्लिनिकल सुरक्षितता आणि अचूकता सुनिश्चित करण्यासाठी, OpenAI ने ६० वेगवेगळ्या देशांतील २६० हून अधिक डॉक्टरांच्या जागतिक नेटवर्कचा समावेश असलेल्या एका मोठ्या human-in-the-loop रिइन्फोर्समेंट सिस्टमचा वापर केला. AI च्या वैद्यकीय तर्कशक्तीला अधिक अचूक करण्यासाठी या तज्ज्ञ पॅनेलने ७,००,००० हून अधिक मॉडेल प्रतिसादांचे पुनरावलोकन केले.

HealthBench आणि HealthBench Professional सारख्या बेंचमार्क्सचा वापर करून, OpenAI ने हे सिद्ध केले आहे की GPT-5.5 Instant उद्योगातील सर्वात महागड्या आणि मोठ्या प्रमाणात संगणकीय शक्ती (compute-heavy) वापरणाऱ्या "Thinking" मॉडेल्सच्या कामगिरीशी स्पर्धा करू शकते. महत्त्वाचे म्हणजे, हे मॉडेल अत्यंत कमी परिचालन खर्चात (operational cost) हे साध्य करते, ज्यामुळे उच्च-स्तरीय वैद्यकीय बुद्धिमत्ता सर्वसामान्यांसाठी अधिक सुलभ होते.

वैद्यकीय बुद्धिमत्तेचे लोकशाहीकरण

सध्याच्या वापराचा विचार करता, व्यापक AI क्षेत्रासाठी याचे परिणाम अत्यंत खोलवर आहेत. दर आठवड्याला २३ कोटींहून अधिक लोक आरोग्यविषयक चौकशीसाठी—जसे की गुंतागुंतीच्या लॅब रिपोर्टचा अर्थ लावणे किंवा विम्याची गुंतागुंत समजून घेणे—ChatGPT वापरत असल्याने, या मॉडेल्सची अचूकता ही सार्वजनिक महत्त्वाचा विषय आहे.

OpenAI आपली रणनीती दोन भागांत विभागत आहे जेणेकरून सर्वसामान्य जनता आणि व्यावसायिक समुदाय या दोन्ही स्तरांवर सेवा देता येईल. जरी GPT-5.5 Instant सर्व मोफत ChatGPT वापरकर्त्यांसाठी (वापर मर्यादेच्या अधीन) उपलब्ध करून दिले जात असले, तरी कंपनी 'ChatGPT for Clinicians' आणि 'OpenAI for Healthcare' च्या माध्यमातून तिची व्यावसायिक दर्जाची परिसंस्था (ecosystems) विस्तारत आहे. या दुहेरी दृष्टिकोनाचा उद्देश वैद्यकीय कर्मचाऱ्यांसाठी मजबूत, विशेष साधने तयार करण्यासोबतच रुग्णांच्या तयारीसाठी त्वरित उपयुक्तता प्रदान करणे हा आहे.

महत्त्वाचे मुद्दे

• उत्कृष्ट अचूकता: GPT-5.5 Instant ने ८९.९% सूचनांचे पालन करण्याचा (instruction-following) स्कोअर प्राप्त केला आहे आणि दोन महिन्यांत चुकीच्या आरोग्यविषयक विधानांमध्ये ७१% घट केली आहे.
• तज्ज्ञांद्वारे प्रमाणीकरण: २६० हून अधिक डॉक्टरांच्या जागतिक नेटवर्कद्वारे ७,००,००० प्रतिसादांच्या पुनरावलोकनाद्वारे या मॉडेलमध्ये सुधारणा करण्यात आली.
• मोठ्या प्रमाणावर कार्यक्षमता: नवीन मॉडेल HealthBench बेंचमार्कवर जड 'Thinking' मॉडेल्सच्या कामगिरीशी मिळतेजुळते आहे, परंतु त्याचा खर्च खूपच कमी आहे.