這篇論文研究如何讓人工智慧代理人自主行動，提出使用主動推論來降低預測誤差。建議利用深度神經網路學習生成模型，讓主動推論應用在新領域。研究在山車和賽車環境中驗證，顯示在強化學習任務中比深度 Q 網路更有效率。 PubMed DOI

人工智慧和生成式語言模型對醫學教育有潛力，但需解決內容品質、偏見和倫理挑戰。合作制定倫理準則和政策至關重要，透明、評估和持續研究是關鍵。 PubMed DOI

討論人工智慧、自然語言處理和大型語言模型對教育和研究的影響，包括優勢、挑戰和應用。強調文本生成、數據分析、教育支援、評分和心理健康輔助等應用。解決道德問題和偏見至關重要，探討AI在教育和研究中的角色，強調其積極變革的潛力。 PubMed DOI

人工智慧廣泛運用，特別是大型語言模型和生成式AI。討論這些技術對兒童心理學和精神病學的影響，從LLMs到生成式AI對人類發展的影響。探討生成式AI的研究發展，以及對年輕人成長環境可能帶來的影響。兒童心理學和精神病學專業人士應更關注這快速發展的領域。 PubMed DOI

這篇文章討論了大腦如何作為與世界互動的生成模型，類似於人工智慧的進步。不同於人工智慧，大腦的模型是根據身體和世界來定位，積極捕捉和控制感官反饋。這種積極參與允許真正理解並通過互動不斷測試模型，這對於人工智慧的發展至關重要。 PubMed DOI

研究指出，認知科學可提升人與電腦在複雜系統的互動。建議運用認知心理學改善人工智慧在教育中的應用，將其視為學習工具。強調生成式人工智慧如ChatGPT源自認知科學。提倡教育工作者將人工智慧視為重要合作夥伴，協助教授溝通與協作等技能。 PubMed DOI

大型語言模型像ChatGPT正在改變醫學教育，提供個人化學習、病人模擬、考試題生成和方便的資訊存取。醫學知識快速增長，個人化學習需求增加，顯示整合人工智慧至醫學教育的重要性。建議結合基於證據的學習方法，如主動回想和記憶提示，與人工智慧，以增進學習效果，包括生成測驗、記憶提示和視覺輔助工具。 PubMed DOI

將ChatGPT等大型語言模型融入醫學教育，或許能透過探究式學習培養批判思考和解決問題的能力，但必須進一步研究其實際效果。這項科技轉變需要重新檢視課程設計和評量方式。在倫理層面，需注意AI偏見問題以確保公平。LLMs或許可縮小醫學教育的全球差距，提供更廣泛的知識，但應謹慎應用，以培育具備能力和道德的醫學專業人才。 PubMed DOI

生成式人工智慧，特別是大型語言模型（LLMs），在兒科教育和訓練上有很大潛力。這些模型能幫助教育者改善課程設計、制定個性化學習計畫，並提供即時反饋，還能協助醫生簡化資訊搜尋，提升診所效率。不過，LLMs也可能產生不準確資訊，並引發偏見和倫理問題。因此，專業人士需謹慎使用並審查其輸出。為確保安全有效的應用，相關方應建立明確的指導方針和政策。本文探討了LLMs在兒科教育中的歷史、應用及挑戰。 PubMed DOI

生成式人工智慧（AI）和大型語言模型在資訊處理上有重大進展，特別是在醫學教育中。雖然這些技術帶來機會，但也面臨挑戰，如生成錯誤資訊、偏見、實施成本高及數據安全問題。為了克服這些挑戰，建議改善AI訓練數據、建立驗證流程及遵循倫理指導。儘管如此，生成式AI仍有潛力提升醫學教育，包括個性化教學、模擬臨床情境、及時反饋和簡化評估等，未來可望為醫療專業人員提供更有效的學習體驗。 PubMed DOI