人工智慧（AI）在自然語言處理的發展，特別是ChatGPT，已經改變了許多領域，包括知識評估。這種生成式AI能提升寫作效率，但也引發對資訊準確性和倫理的擔憂。在教育和科學寫作中，建立明確的使用指導方針至關重要。此外，AI對人際互動和睡眠的影響也需關注。為了有效整合AI，必須透過持續研究和公共討論來平衡其優缺點。 相關文章 PubMed DOI ♡

對話式人工智慧的迅速發展引發了關於未來計算機教育的熱烈討論。有人擔心這會導致抄襲增加，也有人認為這種看法過於悲觀。本文探討了對話式人工智慧在計算機教育中的相關性，特別是軟體工程教育的應用及其對整體教育的影響。研究發現，產業中對話式人工智慧的快速採用與高等教育的整合之間存在脫節，顯示出對學生經驗及教學工具發展的進一步研究需求。 相關文章 PubMed DOI ♡

多學科腫瘤委員會由各類醫療專家組成，對癌症患者的治療計畫至關重要，雖然面臨物流和財務挑戰，但仍能顯著提升生存率。本研究評估大型語言模型在頭頸部腫瘤委員會的推薦程序有效性，使用參數高效微調和上下文學習等方法。結果顯示，治療方案一致性達86%，醫學上可辯護的建議達98%。參數高效微調表現優於上下文學習，且較大商業模型通常效果更佳。建議增強數據集並納入更新指導方針，以提升模型在醫療決策中的準確性，值得進一步研究。 相關文章 PubMed DOI ♡

這項研究評估了病人教育材料的可讀性，並探討了生成式人工智慧工具（如ChatGPT-4和Google Gemini）如何將這些材料簡化到六年級的閱讀水平。分析了七份來自主要放射學團體的文件，原始材料的平均閱讀水平為11.72。經過簡化後，ChatGPT的閱讀水平降至7.32，Gemini則為6.55。ChatGPT減少了15%的字數，保留95%的資訊，而Gemini減少33%，保留68%。三位放射科醫師評估後認為，ChatGPT在適當性、清晰度和相關性上表現更佳。研究指出，生成式人工智慧能顯著改善病人教育材料的可讀性，但專家審查仍然很重要。 相關文章 PubMed DOI ♡

高風險自動化決策的解釋權引發了倫理與科技的討論。雖然解釋權對透明度和問責制很重要，但對依賴自動化系統的組織來說，成本問題也不容忽視。大型語言模型（LLMs）可能提供解決方案，幫助簡化解釋過程，減輕企業負擔。然而，使用LLMs也帶來準確性、偏見及依賴自動化系統的倫理擔憂。組織可能會表面合規，卻未真正參與決策。因此，部署LLMs時需謹慎，考量倫理影響及真正的問責需求。 相關文章 PubMed DOI ♡

這項研究探討了輸血醫學和血漿分離專業人員如何運用 ChatGPT-4 來創建個性化的電腦程式，進行血液和血漿體積計算，即使沒有程式設計經驗也能輕鬆上手。作者們設計了一個簡單的流程，讓臨床醫生可以用自然語言向 ChatGPT 提出請求，並生成可運行的 Python 代碼，這段代碼可在 Notepad 或 Google Colaboratory 測試。經過五天的志願者驗證，結果顯示生成的代碼準確且可重複，顯示人工智慧在輸血醫學中的潛力，未來可針對個別需求開發專屬網站。 相關文章 PubMed DOI ♡

這項研究探討波士頓兒童醫院的兒科醫療提供者如何使用大型語言模型（LLMs），如ChatGPT，以及他們對未來符合HIPAA規範版本的興趣。研究團隊發放問卷，收回390份回覆。結果顯示約50%的受訪者曾使用LLM，主要用於非臨床任務，只有29%認為ChatGPT適合用於病人護理，但73.8%對符合HIPAA的版本表示興趣。這項研究揭示了LLMs在兒科醫療中的現況及未來潛力，為政策制定者提供了重要見解。 相關文章 PubMed DOI ♡

疫情期間，科學錯誤資訊問題愈發嚴重，社交媒體的快速傳播加劇了疫苗懷疑，對公共健康造成風險。雖然已有努力對抗錯誤資訊，但有效解決方案仍難尋。最近《科學》雜誌的一項研究指出，人工智慧（AI）可能成為對抗錯誤資訊的有效工具，並能帶來持久改變。 相關文章 PubMed DOI ♡

這項研究探討了陰謀論信念的持續性，並測試使用GPT-4 Turbo進行個性化對話是否能有效減少這些信念。研究涵蓋2,190名陰謀論信徒，結果顯示干預措施使信念減少約20%，且效果在兩個月內持續，對各種陰謀論都有影響。即使是信念強烈的人也能改變看法。這表明，面對有說服力的證據，許多持有陰謀論信念的個體能夠調整自己的觀點。 相關文章 PubMed DOI ♡

這項研究探討誤導性圖表的問題，這些圖表可能會扭曲數據解讀，影響決策。研究強調需要有效的自動檢測方法，特別是在多模態大型語言模型（LLMs）技術進步的情況下。研究分析了一個包含誤導性圖表的數據集，並測試四種不同的LLMs，使用九種提示來識別超過21種圖表相關問題。結果顯示，這些LLMs能理解圖表並批判性解釋數據，顯示它們在對抗誤導性資訊和提升視覺素養方面的潛力。整體而言，研究強調了LLMs在解決誤導性圖表問題上的重要性。 相關文章 PubMed DOI ♡