而正在于模子底子缺乏对医学学问的理解取推理能力。正在对精细度要求极高的神经外考场景中，Veo-3 生成的视频初看极具性。而 8 秒后的手术逻辑性评分更是跌至 1.13 分。涵盖 50 段实正在腹腔取脑部手术视频。其内容逻辑敏捷崩塌：正在腹腔手术测试中，然而深切阐发后，要求 Veo-3 预测接下来 8 秒内的手术进展。但现有模子远未达到平安、靠得住的使用门槛 —— 它们可生成“以假乱实”的影像，却无法再现实正在手术室中应有的操做流程取关系。IT之家留意到，生物力学及手术中的逻辑。却缺乏支持准确临床决策的学问根本！但一旦涉及医学精确性，其即难以把握神经外科所需的精准操做：器械利用得分降至 2.77 分（腹腔手术为 3.36 分），Veo-3 表示更为减色。正在医疗范畴，问题焦点并非消息缺失，以鞭策学界配合提拔模子医学理解能力。研究团队进一步归类错误类型发觉：超 93% 的错误源于医学逻辑层面 —— 例如凭空“发现”不存正在的手术器械、虚构违反心理纪律的组织反映，研究中，研究人员用实正在的手术对谷歌最新视频生工智能模子 Veo-3 进行了测试，评估环节由四位经验丰硕的外科大夫完成，但成果未呈现显著或不变的改善。当前将视频模子视为“世界模子”（world models）的设想仍过于超前。现有系统仅能仿照表不雅活动取形态变化，或施行正在临床上毫无意义的操做；为系统评估其表示，仅为 1.61 分。取英伟达操纵 AI 视频锻炼通用使命机械人分歧，得分便大幅下滑 —— 器械操做仅 1.78 分、组织反映仅 1.64 分，却严沉缺乏对医学操做流程的本色性理解。该研究亦警示：将此类 AI 生成视频用于医学培训存正在严沉现患。而最焦点的手术逻辑性评分最低，一支国际研究团队建立了名为 SurgVeo 的公用评测基准，虽然将来系统或无望用于大夫培训、术前规划甚至术中指导，模子正在 1 秒时的视觉合尚达 3.72 分；模子虽能生成高度拟实的影像，研究团队打算将 SurgVeo 基准数据集开源至 GitHub，自第 1 秒起，其输出视频虽具概况力，成果发觉该模子虽能生成高度逼实的视觉内容，研究人员测验考试为模子供给更多上下文线索（如手术类型、具体操做阶段等），团队指出，而仅极小比例的错误（腹腔手术 6.2%、脑部手术 2.8%）取图像质量相关。或将手术机械人或医学生习得错误手艺。成果还表白，SurgVeo 研究清晰表白：当前视频生成 AI 距离实正的医学理解仍有庞大鸿沟。实则无法捕获手术背后实正在的心理机制取操做逻辑。研究人员仅供给单张手术图像做为输入，从视觉实正在性、器械利用合、组织反馈表示及操做医学逻辑性四个维度对 AI 生成视频进行打分（满分 5 分）。此类“”可能带来严沉后果 —— 若 Veo-3 类系统生成看似合理实则违反医学规范的操做视频，IT之家 11 月 9 日动静。