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

生成式人工智慧目前不太用於文本分析，但在評估情緒上有潛力。一研究比較了ChatGPT和LIWC工具的分析結果，發現兩者關聯較小，ChatGPT在22%情況下計算LIWC分析時出錯。這顯示大型語言模型處理詞語和數字可能不可靠，使用時要謹慎。 PubMed DOI

討論了最新研究，認為大型語言模型如BERT和ChatGPT有潛力改革心理評估。這些模型在語言處理任務中表現準確，且受歡迎。成功因有效表達上下文單詞。建議透過適當驗證，專注自然語言溝通可改變心理健康評估。 PubMed DOI

研究發現透過GPT-3中公眾人物名字的位置，可以預測人們對其個性的看法。透過600名評分者對226位公眾人物的五大人格特質的評分，使用線性回歸預測這些知覺。結果顯示高準確度，r值從.78到.88，控制變量後為.53到.70。研究指出，GPT-3詞嵌入能捕捉個體差異和親密特質的訊號。 PubMed DOI

研究探討大型語言模型如ChatGPT是否能從社群媒體貼文推斷人格特質，結果顯示模型可準確推斷大五人格特質，尤其對女性和年輕人更準確。這種能力或許讓心理評估更普及，但也引發隱私和監管疑慮。 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

在研究中，我探討了大型語言模型（LLMs），特別是GPT-3.5和GPT-4，對複雜行為科學實驗結果的預測能力。結果顯示，GPT-4在預測情感、性別和社會認知方面，與119位人類專家的表現相當，相關性高達0.89，而GPT-3.5則僅有0.07。在另一項研究中，讓大學參與者與GPT-4驅動的聊天機器人互動，提升了他們的預測準確性。這些結果顯示，人工智慧在預測行為主張的實證支持上，可能成為有價值的工具，並強調人類與AI合作的潛力。 PubMed DOI

這項研究分析了七個大型語言模型（LLMs）在兩個不同時間點對人格評估的反應，重點在於它們的時間穩定性和評分者間的一致性。結果顯示，像Llama3和GPT-4o的模型一致性較高，而GPT-4和Gemini則較低。不同的人格測評工具和特質會影響協議程度。整體來看，這些模型傾向於展現社會上受歡迎的人格特徵，如較高的宜人性和責任感，以及較低的馬基雅維利主義。這些發現強調了理解LLMs在模擬穩定人格特質方面的可靠性的重要性，尤其在它們的社會影響力日益增強的背景下。 PubMed DOI

大型語言模型（LLMs）因在知識性任務上表現優於人類而受到關注，但在社會情境的準確評估和建議適當行為方面仍有不確定性。一項研究中，五個聊天機器人與276名人類參與者進行比較，結果顯示Claude、Copilot和you.com的智能助手在社交情境建議上超越人類，且其行為評價接近專家意見。這顯示LLMs在社會判斷上具潛力，但其廣泛應用仍面臨挑戰與風險。 PubMed DOI

這項初步研究探討了大型語言模型（LLMs），特別是ChatGPT 3.5和ChatGPT-4，在心智理論（ToM）方面的能力，並與自閉症譜系障礙（ASD）及典型發展（TD）個體進行比較。研究發現： 1. 兩個LLMs在理解心理狀態的準確性上高於ASD組，但ChatGPT-3.5在複雜心理狀態上表現不佳。 2. ChatGPT-3.5在情感狀態識別上低於TD個體，尤其是負面情緒，但與ASD組相似。ChatGPT-4有所改善，但仍難以識別悲傷和憤怒。 3. 兩者的對話風格冗長且重複，類似高功能自閉症個體。 研究顯示LLMs在理解心理和情感狀態的潛力及其局限性，對ASD的臨床應用有影響。 PubMed DOI