這篇論文介紹了一個聊天機器人，目的是提升對MAUDE資料庫中醫療器材不良事件的訪問與理解。這個聊天機器人運用生成式AI技術，能執行計數和搜尋查詢，並透過openFDA API和GPT-4模型解釋用戶的自然語言查詢，生成相關的API調用，還能總結不良事件報告。用戶可透過提供的連結下載原始報告。這項計畫在讓患者安全數據更易於研究者存取和管理方面，具有重要意義。 相關文章 PubMed DOI ♡

這項研究探討生成式人工智慧（AI）在醫學教育中案例學習（CBL）的應用，特別針對中東和北非地區的COVID-19情境。CBL是培訓醫療專業人員的重要方法，能將理論與實務結合。雖然創建有效案例需耗時且具挑戰性，但AI能透過分析大量醫療數據，簡化這一過程，生成多樣的臨床情境。研究顯示，AI生成的案例能提升學習者的參與感與批判性思維，適用於不同教育層級，並呼籲進一步努力以促進其在醫學教育中的應用。 相關文章 PubMed DOI ♡

這篇論文探討大型語言模型（LLMs），如OpenAI的GPT-4，所展現的突現特性，特別是它們被認為的智慧與意識。作者指出，對這些特性的定義不夠清晰，且模型內部推理存在缺陷。智能系統的關鍵在於對環境的反應，這可從行為中推斷。透過哲學現象學和認知生態學，論文分析了GPT-4的錯誤，認為其缺乏人類的時間意識，導致無法形成穩定的感知世界。最終，作者認為GPT-4與使用者共同創造虛構敘事，而非真正理解或擁有意識。 相關文章 PubMed DOI ♡

這項研究提出了一種新方法，稱為混沌LLM基礎的教育問答系統（CHAQS），旨在提升教育領域的智能問答系統。它使用了超過383,000對的教育數據，並在ChatGLM模型上進行了先進的微調，包括p-tuning v2和低秩適應（LRA）。此外，還結合了模糊邏輯和李振盪器，增強模型的適應性和回應變異性。結果顯示，CHAQS的表現優於其他模型，精確度提高5.12%，召回率上升11%，F1分數改善8%。這顯示出複雜調整和模糊邏輯的結合顯著提升了教育問答系統的效能。 相關文章 PubMed DOI ♡

這項研究探討了ChatGPT在研究中的雙重性，分析了2022至2023年間57篇相關文章，指出其對研究的八個關鍵影響面向，包括研究問題、文獻回顧、研究設計等。研究強調，儘管ChatGPT有其限制，但整合這類人工智慧技術進研究實踐仍具重大潛力。研究呼籲政策制定者和教育領導者制定有效策略，以充分發揮ChatGPT的研究能力。 相關文章 PubMed DOI ♡

最近，自然語言處理（NLP）領域的進展主要受到變壓器模型的影響，這些模型透過注意力機制分析標記間的關係，生成回應。然而，關於這些模型是否能促進人工通用智慧（AGI）及解決對齊問題仍有爭論。研究人員認為AGI需具備可解釋的價值觀、效用函數及動態情境理解。為此，提出一種神經符號模型，結合進化理論與神經科學，探索AI的意識與同理心，並可能為對齊問題提供解決方案。 相關文章 PubMed DOI ♡

這項研究探討了人工智慧模型，特別是ChatGPT和Perplexity AI，在評估聲音病理的有效性。研究比較了這些AI的聲音障礙評估與專家聽覺評估，分析了50名成人聲音障礙患者的資料。結果顯示，AI評估與專家評估之間並無顯著一致性（Cohen's Kappa, p = 0.429），而AI模型之間的診斷則有低度正相關（r_s = 0.30, p = 0.03）。總體來看，研究指出人工智慧可能不適合作為聲音護理團隊評估聲音障礙的工具。 相關文章 PubMed DOI ♡

這項研究評估了三個大型語言模型（LLMs）—ChatGPT-3.5、ChatGPT-4 和 Google Bard 在製作小兒白內障病人教育材料的效果。研究使用三個提示來測試模型的表現，並根據質量、可理解性、準確性和可讀性進行評估。結果顯示，所有模型的回應質量都很高，但沒有一個被認為是可行的。特別是，ChatGPT-4 生成的內容最易讀，並能有效將材料調整至六年級的閱讀水平。總體來看，ChatGPT-4 是生成高質量病人教育材料的有效工具。 相關文章 PubMed DOI ♡

這項研究評估了幾個商業可用的大型語言模型（LLMs）在提供治療建議時，與美國骨科醫學會（AAOS）針對肩袖撕裂和前交叉韌帶（ACL）損傷的臨床指導方針（CPGs）的符合度。分析了48項CPGs，結果顯示70.3%的回應與指導方針一致，ChatGPT-4的符合率最高（79.2%），而Mistral-7B最低（58.3%）。研究指出，雖然LLMs能提供一致建議，但缺乏透明的資料來源，限制了其作為臨床支持工具的可靠性，未來應擴大評估範圍以減少偏見。 相關文章 PubMed DOI ♡

這篇論文深入分析了AI在藥物開發中的進展，特別是針對小分子、RNA和抗體的應用。它探討了AI如何融入藥物開發流程，並回顧了目前臨床試驗中的藥物。論文指出，至今尚無AI設計的藥物獲得監管機構批准，並建議利用大型語言模型和擴散模型來克服這一挑戰。總體而言，論文強調了AI在藥物發現中的潛力，同時也討論了這個快速發展領域的挑戰與未來機會。 相關文章 PubMed DOI ♡