柏林工业大学研究人员发现，通过让大型语言模型模仿人类的直觉与推理方式，能显著提升其在医疗建议领域的准确性。这项研究发表在《JMIR生物医学工程》期刊上，提出了一种提示工程的新范式：从依赖计算机逻辑转向应用心理学策略。随着数百万用户转向 ChatGPT 等工具获取健康指导，AI 常因过度谨慎而将轻微病症误判为需急诊或专业治疗的情况，这不仅增加了医疗成本，还引发了患者焦虑。 研究团队由 Marvin Kopka 和 Markus A. Feufel 领导，测试了包括 GPT-4o 和 GPT-5 系列在内的十种模型。他们采用了基于“自然决策”的提示策略，该理论关注人类专家在不确定性下如何做出高风险决策，而非传统的逻辑推演。研究团队运用了两套特定的心理学框架，指导 AI 模拟结果并质疑自身对情境的初始判断，从而有效缓解了 AI 过度保守的倾向。 作者 Marvin Kopka 指出，测试 AI 时往往给予完美信息，但这无法反映真实世界中模糊多变的问题。利用人类专家在类似情境下的决策模型作为提示，是开发更具现实实用性的 AI 工具的合理路径。该研究表明，在医疗数据往往杂乱或不完整的现实场景下，基于人类认知构建的“推理蓝图”比标准计算逻辑更有效。 尽管这一发现标志着 AI 在辅助临床决策方面迈出了重要一步，但研究团队强调，该模型目前最适用于受控环境。未来研究需进一步验证这种受自然决策启发的提示策略，能否在标准化程度较低的日常生活场景中，为普通用户提供更优质的决策支持。