最近一篇在Hacker News上分享的实验，探讨了使用ChatGPT分析十年苹果手表健康数据的可靠性。作者从ChatGPT那里获得了不及格的健康评分，主要基于手表估算的VO2最大值——一项已知可能存在不准确性的指标（根据一些研究，误差约为13%，尽管苹果声称准确度为1.2 ml/kg/min）。 评论者们争论责任归属：在于苹果可能夸大了其数据的准确性，还是在于OpenAI从可能存在缺陷的信息中得出结论。人们对ChatGPT在重复提问时结果不一致的现象表示担忧，这导致作者的评分大幅波动。 许多评论者强调了依赖这些工具进行健康评估的危险性，认为它们尚未准备好用于医疗级应用，并可能引起不必要的焦虑。 一些人甚至详细介绍了针对可穿戴数据开发的专业基础模型，表明需要超越像ChatGPT这样的标准LLM，才能进行准确的健康分析。