這項研究探討了努力與任務意義感的關係，涵蓋2,883名參與者的六項研究結果一致顯示，付出更多努力會提升任務的意義感。參與者在想像中付出較高努力時，感受到更強烈的意義感；即使是困難的任務也被認為更有意義。此外，使用ChatGPT的寫作任務中，個人努力的任務被視為更有意義。雖然努力能增加意義感，但效果有限。總體來說，這些研究強調了努力在獲得個人滿足感中的重要性，挑戰了只追求效率的觀念。 相關文章 PubMed DOI ♡

這項研究探討了ChatGPT在提供醫療資訊時，如何根據疾病類型（醫療性 vs. 心理性）和使用者的溝通風格（中立 vs. 表達關心）來調整其回應。研究發現，當面對心理問題或使用者表達關心時，ChatGPT會使用更具同理心的語言；而在中立查詢中則偏向分析性語言。此外，健康相關的語言在心理討論中較常見，疾病相關的語言則多出現在身體狀況的對話中。這顯示ChatGPT的回應會受到疾病類型和使用者情感的影響，能透過調整溝通方式來提升病人的參與感。 相關文章 PubMed DOI ♡

這項研究評估了多款AI聊天機器人在提供前列腺癌（PrCA）決策資訊的效果，包括ChatGPT-3.5、ChatGPT-4.0、Microsoft Copilot等。研究重點在於回應的準確性、完整性、可讀性和可信度，特別針對低識字率族群及高風險的非裔美國男性。結果顯示，雖然資訊準確，但完整性和可讀性各有差異。Microsoft Copilot Pro在標準篩檢問題上表現最佳，而Microsoft Copilot則在低識字率回應中表現突出。總體來說，AI聊天機器人可作為前列腺癌篩檢資訊的輔助資源，但仍需醫療專業指導。 相關文章 PubMed DOI ♡

這項研究顯示大型語言模型（LLMs）在創建虛擬病人（VPs）方面的潛力，能模擬病人與醫師的互動。研究使用OpenAI的GPT模型生成60個針對慢性咳嗽和糖尿病的對話，並評估其真實性和使用者體驗。主要發現包括： 1. **成本效益**：每次對話成本低，具可擴展性。 2. **對話真實性**：評分高，顯示對話現實且有用。 3. **病人偏好**：大多數對話符合病人預期。 4. **模型比較**：GPT-4.0-turbo表現優於GPT-3.5-turbo。 5. **反饋相似性**：醫師與LLM的評分相似。 6. **缺陷識別**：某些特徵影響真實性。 7. **工具驗證**：確認測量工具的可靠性。 總體而言，LLM生成的虛擬病人能有效模擬臨床互動，具成本效益，建議進一步研究以提升對話質量。 相關文章 PubMed DOI ♡

這篇論文探討了對話中的情感識別（ERC）面臨的挑戰，對於創建具同理心的對話系統非常重要。作者指出情感與語義之間的弱相關性，因為相似的短語在不同上下文中可能傳達不同情感。為了解決這個問題，提出了一種新的損失函數Focal Weighted Loss (FWL)，並結合對抗性訓練，使用緊湊的MobileBERT模型。這種方法在四個基準數據集上測試，顯示出競爭力的結果，能在資源有限的情況下增強人類互動，與大型語言模型相抗衡。 相關文章 PubMed DOI ♡

新合金設計是一個複雜的挑戰，通常需要專業知識和漫長的過程，包括數據檢索、計算方法、實驗驗證和結果分析。機器學習，特別是深度代理模型，可以加速這個過程，但傳統數據驅動模型缺乏靈活性。為了解決這些問題，我們推出了AtomAgents，一個具物理意識的生成式AI平台，透過多個AI代理協同工作，結合大型語言模型的優勢，能自主設計性能更佳的金屬合金，並在生物醫學材料、可再生能源等領域展現潛力。 相關文章 PubMed DOI ♡

人工智慧（AI）與深度學習（DL）結合光學相干斷層掃描（OCT），在青光眼的診斷和管理上取得了顯著進展。研究指出，卷積神經網絡（CNNs）在視網膜層分割和青光眼損傷識別上特別有效，而遞迴神經網絡（RNNs）則擅長追蹤疾病進展。生成對抗網絡（GANs）能提升影像質量，自編碼器則有助於特徵提取。儘管如此，數據可用性和偏見等挑戰仍需克服，以便在臨床上成功應用這些技術，進而實現更精確的青光眼治療。 相關文章 PubMed DOI ♡

這項研究比較了視光學學生、碩士生和執業視光師對ChatGPT提供的近視資訊的理解。研究團隊發放問卷給225名參與者，結果顯示執業視光師對近視併發症的評價較學生正面，顯示臨床經驗影響感知（p < 0.001）。不過，對近視預防的看法在各組間相似（p = 0.28）。執業視光師對隱形眼鏡和藥物等治療方法的有效性也持更積極態度（p < 0.001 和 p = 0.004）。整體來看，研究強調教育程度對AI資訊解讀的影響，執業視光師對ChatGPT的信任度較高。 相關文章 PubMed DOI ♡

這項研究介紹了MaTableGPT，一個基於GPT的工具，專門從材料科學文獻中的表格提取數據，特別針對水分解催化劑。傳統的提取方法因表格格式多樣而不夠有效。MaTableGPT透過改進的數據表示和分割策略，提升理解能力，提取準確率高達96.8%。研究比較了零樣本、少樣本和微調學習方法，發現少樣本學習在準確性和成本上達到最佳平衡，提取準確率超過95%。此外，MaTableGPT建立的數據庫為催化劑的過電位和元素利用率提供了重要見解。 相關文章 PubMed DOI ♡

大型語言模型（LLMs）因其自然語言處理能力而受到關注，但也引發了心理健康方面的擔憂，如不平等、污名化和依賴性等。本文利用行動者網絡框架分析人類與LLMs的互動，將風險分為四個層級，並提出CORE風險評估鏈來管理這些風險。我們強調負責任的LLM開發，並指出心理健康專業人員在評估和監管風險中的重要角色，包括與開發者合作和提升公共意識。 相關文章 PubMed DOI ♡