原始文章

這篇論文介紹了SpeakFaster,一個創新的輔助與替代溝通(AAC)介面,利用大型語言模型(LLMs)來提升文字輸入效率。使用者可以以簡化方式輸入文字,減少57%的動作需求,這在離線模擬中得到證實。針對19位非AAC參與者的初步研究顯示,打字速度影響不大。對兩位因肌萎縮側索硬化症的用戶進行的測試顯示,文字輸入速度提升29%至60%。這些結果顯示LLM在AAC及其他介面中的應用前景廣闊。 PubMed DOI


站上相關主題文章列表

本文探討了如何透過大型語言模型(LLM)推動人機互動,並超越傳統的可解釋人工智慧(XAI)範式,考慮LLM的認知解釋。作者方法著重於認知建模、遺傳算法、神經網絡、因果循環動力學和特徵實現等解決方案,使XAI更具目的性和持續性。研究結果顯示,在信息處理中應用LLM需要特定結構條件,尤其在戰略規劃情境下,可加速集體問題解決。這研究有助於各領域發展可解釋的LLM。 PubMed DOI

研究使用大型語言模型幫助病人提出問題,提升溝通效率。以范德堡大學醫學中心數據測試三個模型,CLAIR在清晰度、完整性和簡潔性表現最佳。GPT4在效用和完整性較高,但清晰度和簡潔性較差。CLAIR生成的問題與醫療者相符,有助改善溝通。 PubMed DOI

研究探討了如何運用大型語言模型(LLMs)在失語症研究中的應用。研究人員分析LLMs的語言指標,以改善失語症的診斷和評估。研究結果顯示,LLMs能有效檢測失語症、提高亞型分類的準確性,並捕捉語法缺陷。整合LLMs到自然語言處理流程中,有助於增強對失語症等語言障礙的模型。 PubMed DOI

這篇論文探討大型語言模型(LLMs),如ChatGPT,在癡呆症護理和研究中的應用潛力。文章介紹了LLMs的特性、能力與限制,並討論其在護理中的實際考量,例如透過手機應用程式使用。LLMs可增進對癡呆症的理解、診斷和治療,透過有意義的對話和個性化支持來改善病人護理。 LLMs的好處包括提升社交互動、改善認知功能和情緒福祉,並減輕照護者負擔。不過,部署LLMs也引發隱私和倫理等問題。問卷調查顯示,癡呆症患者及支持者對使用LLMs的看法普遍正面,但仍擔心偏見和數據隱私。總體而言,這篇評論強調了LLMs在癡呆症護理中的潛力,並呼籲進一步研究。 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。 PubMed DOI

這項研究探討了人工智慧在語言治療中的應用,使用名為 **QuickPic AAC** 的應用程式。該程式能即時生成主題相關的溝通顯示,並透過照片輔助交流。研究比較了兩種人工智慧演算法—NLG-AAC 和 GPT-3.5,發現 GPT-3.5 在產生特定詞彙的有效性上表現更佳。此外,語言治療師對 QuickPic AAC 的可用性表示高度滿意,顯示這個工具在臨床上可能非常有價值,能即時滿足溝通需求。 PubMed DOI

這項研究探討大型語言模型(LLMs),特別是ChatGPT,如何提升眼科科學文章的可讀性。研究人員認識到健康素養對公共健康的重要性,目標是將複雜的醫學文本簡化到六年級的閱讀水平,讓一般民眾更容易理解。他們選了12篇開放存取的論文,並用測試評估可讀性。結果顯示,ChatGPT成功將可讀性從15年級降到7年級,且簡化後的內容仍被專業醫生認可。研究顯示,LLMs能幫助非專家更理解科學文獻,提升健康素養。 PubMed DOI

盲人使用應用程式時,常需記住各種快捷鍵和導航方式,這讓他們感到困擾。為了解決這個問題,我們推出了Savant,一種創新的輔助技術,利用大型語言模型(LLMs),讓盲人用螢幕閱讀器能以自然語言與任何應用程式互動。Savant能根據用戶指令自動化重複任務,提升互動靈活性,無需精確指定控制元件名稱。針對11位盲人參與者的研究顯示,Savant在互動效率和可用性上明顯優於現有方法。 PubMed DOI

這項研究探討大型語言模型(LLMs)如何協助輔助科技(AT)從業人員為有障礙的個體選擇合適產品。研究利用Keplo這個AI平台,分析亞馬遜上的顧客評論,評估三款主流產品和三種輔助科技。分析提供了使用者人口統計、使用模式、優缺點及設計改進建議。結果顯示,LLMs能有效提取有價值的見解,幫助AT從業人員做出明智推薦,但也強調了LLM分析的局限性,從業人員需批判性評估顧客評論以確保相關性。 PubMed DOI

這項研究探討了如何有效測量失語症患者的溝通變化,使用了簡短的交易成功評估(BATS)和故事重述的自動化分析。研究比較了三種大型語言模型(GPT-4、GPT-4o 和 Llama-3-70B)在評分故事重述主要概念的表現,並與人類評分者進行對比。結果顯示,LLM的評分與人類評分高度相關,顯示這些模型能可靠評估故事重述。研究建議,自動化工具可減輕臨床評分負擔,並改變失語症介入和研究的方法。 PubMed DOI