# ادیولوژیست هوش مصنوعی دوزبانه در مطالعه‌ای شبیه‌سازی‌شده، از متخصصان انسانی پیشی گرفت

> یک گروه پژوهشی اعلام کرد سامانه هوش مصنوعی آن‌ها که بر پایه یک مدل زبانی بزرگ و دستورالعملی مبتنی بر قواعد ساخته شده، در ۵۸ مورد شبیه‌سازی‌شده به زبان‌های انگلیسی و چینی، عملکردی بهتر از ۱۷ ادیولوژیستِ شاغل داشته است.

Oossa · 2026-09-29 · https://oossa.com/fa/bilingual-ai-audiologist-beats-human-experts-in-blind-simulation-study

پژوهشگران ۲۹ سپتامبر ۲۰۲۶ مقاله‌ای منتشر کردند که در آن یک ادیولوژیست هوش مصنوعی با پزشکان واقعی مقایسه شده بود. این آزمون با استفاده از سامانه‌ای شبیه‌سازِ بیمار انجام شد که ۵۸ مورد را مطرح می‌کرد؛ ۳۰ مورد به زبان چینی و ۲۸ مورد به زبان انگلیسی. هوش مصنوعی در تک‌تک موارد امتیاز بالاتری گرفت و در مقایسه‌ای کور، از هر ۱۷ ادیولوژیست انسانیِ شرکت‌کننده پیشی گرفت.

## هوش مصنوعی چگونه ساخته شد

این سامانه با یک مدل زبانی بزرگِ همه‌منظوره آغاز می‌شود؛ همان نوع هوش مصنوعی که ChatGPT بر پایه آن کار می‌کند، اما مدل را با داده‌های تازه تنظیم دقیق نمی‌کنند. در عوض، گروه پژوهشی یک چک‌لیست ۲۱‌بندی (معیار ارزیابی) در اختیار مدل گذاشت و بر اساس ۷۳ پرونده پیشین ادیولوژی (۴۳ مورد انگلیسی و ۳۰ مورد چینی)، ۱۹ قاعده تصمیم‌گیری در قالب یک «دستورالعمل» تدوین کرد. هوش مصنوعی همچنین ادیوگرام‌ها ــ نمودارهایی که پزشکان برای نمایش میزان کم‌شنوایی به کار می‌برند ــ را می‌خواند و در صورت نیاز، اطلاعات پزشکی بیرونی را نیز به کار می‌گیرد. آزمون حذف مؤلفه‌ها نشان داد که دستورالعمل بیشترین سهم را در بهبود عملکرد داشته است.

## اهمیت این موضوع برای بیماران

اگر این رویکرد از مرحله شبیه‌سازی فراتر برود، درمانگاه‌ها می‌توانند حتی در مناطقی که ادیولوژیست متخصص کم است، ارزیابی سریع شنوایی را به دو زبان ارائه کنند. هوش مصنوعی ممکن است بخش‌های معمول یک مشاوره را انجام دهد و به پزشکان انسانی فرصت بدهد بر تصمیم‌گیری‌های پیچیده و تعامل با بیماران تمرکز کنند.

## حقایق

- سامانه هوش مصنوعی روی ۵۸ مورد شبیه‌سازی‌شده ارزیابی شد (۳۰ مورد چینی و ۲۸ مورد انگلیسی).
- این سامانه در همه موارد از ۱۷ ادیولوژیستِ شاغل پیشی گرفت و امتیاز ۵۸ از ۵۸ را کسب کرد.
- میانگین برتری امتیازی ۱٫۳۵+ در مقیاس ترکیبی ۵‌امتیازی بود؛ Cohen’s d = 1.84 (p = 4.5 × 10⁻²⁰).
- سامانه از معیار ارزیابی ۲۱‌بندی و دستورالعملی با ۱۹ قاعده استفاده کرد که بر اساس ۷۳ پرونده آموزشی (۴۳ مورد انگلیسی و ۳۰ مورد چینی) تدوین شده بود.
- مقاله در ۲۶ سپتامبر ۲۰۲۶ به arXiv ارسال شد و در ۲۹ سپتامبر ۲۰۲۶ به‌صورت عمومی منتشر شد.

## چرا مهم است

برای بیشتر مردم، این یافته نشان می‌دهد که هوش مصنوعی می‌تواند کارهای پایه‌ای آزمون شنوایی را به‌طور قابل‌اعتماد به دو زبان انگلیسی و چینی انجام دهد و دسترسی به خدمات را احتمالاً سریع‌تر کند. این فناوری جای پزشک را نمی‌گیرد، اما می‌تواند به متخصصان فرصت دهد زمان بیشتری را صرف دشوارترین موارد و ارتباط فردی با بیماران کنند.

## منابع و ارجاع‌ها

1. [A bilingual AI audiologist built through rubric-guided playbook induction outperforms human audiologists in a blinded evaluation of simulated cases](https://arxiv.org/abs/2609.32220) – arXiv, 2026-09-29

آخرین به‌روزرسانی: 2026-09-29