ChatGPT是一個知名的語言模型，自2022年底推出後廣受矚目。企業和醫療專業人士對這個模型很感興趣，想要運用它來檢索專業知識。這項技術提供了個人化的聊天式訊息傳遞，跟傳統搜尋引擎不太一樣。圖書館員若了解語言模型的發展和未來，將有助於提升他們評估人工智慧輸出、用戶權益和數據政策的能力，進而支持讀者在相關研究中的需求。 PubMed DOI

LLMs如ChatGPT在AI領域帶來革命性變革，對科研有幫助，但也帶來倫理挑戰。在醫學等領域可能影響公共衛生，快速生成文本可能散播錯誤資訊，形成「AI資訊疫情」。需要快速制定政策因應，準確檢測AI生成文本仍是挑戰。 PubMed DOI

大型語言模型（LLMs）如ChatGPT是自然語言處理的頂尖技術，能夠產生類似人類回應的對話。本文介紹了ChatGPT的發展、技術和應用，並討論其優勢和限制。儘管存在道德疑慮，ChatGPT在研究和學術界引起相當大的興趣。展望未來，ChatGPT的研究前景令人樂觀，將致力於解決更可靠的對話代理所面臨的挑戰。 PubMed DOI

Aug-imodels是一個利用大型語言模型知識所建立的框架，能創造高效且易解釋的預測模型。這些模型在訓練時使用LLMs，但預測時不用，因此比LLMs更透明且更快速。在自然語言處理中，有兩種Aug-imodels：Aug-Linear和Aug-Tree，兩者在文本分類上表現優異。Aug-Linear甚至比GPT-J等大型模型表現更好，且參數更少。Aug-imodels也應用在自然語言fMRI研究中，產生有趣的科學解釋。 PubMed DOI

環境資料急速增加，需要高品質大數據分析來了解環境污染情況。機器學習是個強大工具，但在環境研究領域並不太普及。一個名為「ChatGPT + ML + Environment」的新研究方法旨在讓環境研究者更容易使用機器學習模型。ChatGPT可協助研究者進行資料準備、模型選擇、訓練、評估和優化。同時討論了這方法的挑戰和限制，並強調了未來應用中「次級訓練」的重要性。 PubMed DOI

對罕見疾病進行表型分類很重要，但需要有標註的數據。利用大型語言模型進行即時學習可以自動化這個過程。ChatGPT和BioClinicalBERT是首次應用即時學習來識別罕見疾病表型的研究。雖然BioClinicalBERT整體表現較好，但ChatGPT在提取罕見疾病和症狀方面有潛力，並僅需最少的標註。ChatGPT有潛力匹敵或超越BioClinicalBERT，成為研究人員的寶貴工具，但模型輸出需仔細評估以確保準確性。 PubMed DOI

研究使用OpenAI的ChatGPT模型填補生物和心理數據，測試結果顯示ChatGPT能準確填補缺失數據，比傳統方法更有效。透過微調和人類解釋者參與，填補結果更準確且相關性更高。 PubMed DOI

研究使用ChatGPT改善自閉症相關語言障礙診斷，結果顯示ChatGPT比傳統模型表現更好，有助提高準確性。研究找出自閉症的關鍵語言特徵，如模仿言語和非典型語言使用，可協助制定個人化治療計畫。未來在臨床上應用像ChatGPT這樣的人工智慧工具，或許能革新對自閉症等發展性障礙的評估和診斷方式。 PubMed DOI

研究發現ChatGPT在辨識非典型疾病表現上有一定準確性，但對高度非典型案例的表現較差。儘管對典型和輕微非典型案例有潛力，但隨著非典型性增加，表現也下降。研究強調AI系統需結合多樣語言能力和臨床情境，以提升現實世界的診斷效果。 PubMed DOI

神經機器人技術中，層面情感分析（ABSA）對理解文本情感至關重要。ABSA研究面臨訓練數據不足挑戰。先前研究注重結合語義和句法特徵進行情感預測，但可能使層面失去聯繫。有些研究使用圖卷積進行句法分析，但遇到梯度爆炸問題。本文探討使用ChatGPT進行文本擴增，並引入閘控注意機制處理梯度爆炸。結合圖特徵與情感知識，加強詞語與情感極性關係。交叉融合有效結合語義和句法特徵，實驗結果顯示模型優於基準。 PubMed DOI