AI 聊天機器人 ChatGPT 在處理自然語言方面表現很好，越來越多人在使用。研究發現，ChatGPT 的情感意識比一般人好，而且還在進步。有可能可以應用在幫助情感受損者的訓練，對精神疾病診斷和情感語言增強有潛力。但在心理健康領域使用ChatGPT還需要更多研究來探討利弊。 PubMed DOI

傳統深度學習模型在文本情感檢測上有挑戰，需要大量數據、計算資源和時間。本文討論使用遷移學習，特別是EmotionalBERT，來改善情感檢測，無需大量數據或時間。研究比較EmotionalBERT和RNN模型在兩個數據集上的表現，強調訓練數據大小對模型性能的影響。 PubMed DOI

這篇論文介紹了GPTFX，一種新型的基於人工智慧的心理健康檢測方法，利用GPT框架。它在分類心理健康疾病和生成解釋方面表現優異，分類準確率高達87%，Rouge-L分數為0.75。結合GPT嵌入與機器學習模型進行分類，並微調GPT-3生成解釋，適用於使用AI-IoMT設備進行心理健康的實時監測，比傳統方法更可靠。 PubMed DOI

醫療保健專業人員和研究者在處理健康調查數據時，使用情感分析工具遇到困難。在COVID-19情況下，現有工具的準確性和一致性不足。研究比較了NIH和Stanford的COVID-19調查數據上的8種情感分析工具，發現工具之間的差異很大。OPT和ChatGPT表現最好，ChatGPT的準確性和F-度量值較高。利用大型語言模型如OPT和ChatGPT進行少樣本和零樣本學習在情感分析中是有效的，可提高健康相關研究的效率並具備自動化潛力。 PubMed DOI

研究使用音訊處理和轉錄技術，分析自發性言語以提高檢測阿茲海默症的準確性。AI轉錄比手動更優，尤其當地的Wav2Vec表現最好，Rev AI也不錯。訪談者言語影響模型表現。AI技術能準確區分AD等，但需要更多訓練數據。這研究為未來語言分析監測認知障礙鋪平道路。 PubMed DOI

研究比較了ChatGPT-4和Google Bard在理解視覺和文字情感方面的能力。ChatGPT-4在視覺情感辨識表現優秀，接近人類水準；Google Bard在這方面表現不穩定。兩者在文字情感理解方面都表現不錯。研究指出情感辨識在AI發展中的重要性，呼籲使用多元數據、與專家合作，並強調政府監督以確保透明度和病患隱私。 PubMed DOI

研究使用ChatGPT協助輔導員與患者互動，並比較其回應與人類內容。整合AI技術改善心理健康干預，框架準確率達93.76%，ChatGPT回應有禮且簡潔。AI內容可增進傳統干預方法，提升醫療系統患者照護和輔導實踐。 PubMed DOI

這項研究探討了支撐ChatGPT的GPT模型在多語言心理文本分析中的有效性。研究分析了15個數據集，包含47,925條推文和新聞標題，評估GPT在12種語言中檢測情感、情緒等心理構念的能力。結果顯示，GPT的表現超越傳統方法，且隨著版本更新準確性提升，特別是在不常用語言中，具成本效益。研究建議GPT能民主化自動文本分析，促進跨語言研究，並提供範例代碼和教學。 PubMed DOI

最近大型語言模型（LLMs）在醫療領域的應用引起了廣泛關注，特別是在理解兒童情感方面。本文介紹了一個新框架，結合YOLOv7進行物體檢測和GPT-3.5 Turbo語言模型解讀兒童的藝術表達。透過分析藝術治療圖像，YOLOv7能識別物體，而GPT-3.5則解釋草圖所傳達的情感。實驗結果顯示該框架在物體檢測和情感解釋上表現優異，為父母和治療師提供了寶貴的見解，幫助他們更好地支持兒童。 PubMed DOI

這項研究探討了2023年3月版本的ChatGPT如何回應情感故事，並與人類的情感反應進行比較。三十四位參與者閱讀情感豐富的短篇故事並評估自己的情感反應，而ChatGPT則在十次會議中生成對同樣故事的回應。結果顯示，ChatGPT能識別和分類故事的情感內容，但預測人類情感反應的準確性不高，顯示出AI與人類在情感表達上的差異。了解這些差異對增進與AI的情感互動非常重要。 PubMed DOI