大型語言模型（LLMs）是強大的預訓練模型，可微調應用在各種自然語言任務，減少單獨為每個任務建模的需求。像GPT-3和LaMDA這樣的模型經過少量啟動後可與人對話，但是否真正理解語言或展現智能存在爭議。從與LLMs的訪談中得出的結論變化顯示，對其智能的看法可能取決於訪問者的智商。這可能引發反向圖靈測試。隨著LLMs的進步，它們可能改變人機互動。將LLMs與感知運動裝置整合引發了對其實際能力的問題。提出了受大腦系統啟發的改進方案，以實現人工智能通用自主性。LLMs也可能提供有關大腦功能的見解。 PubMed DOI

在人工智慧研究界，有一場辯論是關於大型預訓練語言模型是否真正像人類一樣理解語言及其背景。討論了支持和反對這種理解的觀點，以及對智能科學的更廣泛問題。作者建議可以發展一個更全面的智能科學，來探索不同理解模式、它們的能力，以及各種認知形式的整合。 PubMed DOI

大型語言模型（LLMs）和人工智慧技術的應用正改變我們與科技互動方式。最近有研討會討論LLMs在醫學研究的應用，以及AI在科學領域的倫理、法律和社會影響。研討會邀請了不同背景的演講者，包括研究人員、教育工作者和政策制定者，他們強調利用這些技術在科學研究和教育中所面臨的機會和挑戰。 PubMed DOI

由大型語言模型如ChatGPT所驅動的聊天機器人的進步正在革新文字創作，潛在地降低人類寫作的重要性。這種轉變可能導致對書面內容的信任降低，因為越來越多的文字是由人工智慧生成的，引發對準確性的擔憂。這篇文章探討了這些發展對人類和人工智慧的影響。 PubMed DOI

三十年前，我們比較了人工智慧和人類心靈的相似之處，將弗洛伊德的理論和連結主義（如PDP系統）放在一起討論。這些模型如今已成為人工智慧的基礎，像ChatGPT等廣泛應用，從精神病學模擬到深度學習的計算機視覺。RNN、LSTM和Transformer模型（如BERT和GPT）已經改變了自然語言處理等任務。我們探討這些工具在醫療保健領域的影響，從診斷到心理治療，並討論保持關係的重要性，以及將這些工具用於治療模型的對比。 PubMed DOI

GPT-4的發布引起了人們對大型語言模型（LLMs）普遍應用的關注。這篇論文探討了ChatGPT對人類與電腦互動、心理學和社會的影響，著重於其技術基礎、對話界面的改進、心理效應、商業和社會應用，以及未來的發展方向。 PubMed DOI

這篇論文探討大型語言模型（LLMs），如OpenAI的GPT-4，所展現的突現特性，特別是它們被認為的智慧與意識。作者指出，對這些特性的定義不夠清晰，且模型內部推理存在缺陷。智能系統的關鍵在於對環境的反應，這可從行為中推斷。透過哲學現象學和認知生態學，論文分析了GPT-4的錯誤，認為其缺乏人類的時間意識，導致無法形成穩定的感知世界。最終，作者認為GPT-4與使用者共同創造虛構敘事，而非真正理解或擁有意識。 PubMed DOI

這段論述指出大型語言模型（LLMs）在理解人類語言的學習與演變上有其限制。主要有兩個觀點： 1. **功能與機制的差異**：雖然LLMs能生成類似人類的語言，但其學習過程與人類不同。人類透過多種感官互動學習語言，而LLMs主要依賴文本數據，這使得它們的相似性只是表面現象。 2. **語言行為的範疇**：人類的語言使用範圍更廣，而LLMs的設計限制了它們對語言意義的理解及自然互動的能力。 因此，LLMs應被視為輔助語言研究的工具，而非語言理論本身，這強調了謹慎應用的必要性。 PubMed DOI

這篇文章探討了ChatGPT在認知過程中的潛在負面影響，儘管它在教育和商業上被廣泛應用。研究回顧了256篇文獻，分析了29篇經過同行評審的文章，強調人類大腦的優越性，主張應用AI工具來增強而非取代自然認知。文章指出ChatGPT具備高級推理能力，建議發展人機合作的社會認知架構，但也警告過度依賴可能削弱基本技能。因此，需在享受AI優勢與持續練習傳統認知活動之間取得平衡。 PubMed DOI

這篇文章探討了人工智慧的興起，特別是大型語言模型（LLMs）對各領域的影響，尤其是在醫學上。像ChatGPT和Bard這類模型，透過大量文本數據訓練，能生成回應，並在科學研究中協助處理醫療數據、診斷及撰寫學術材料。文章也提到LLMs的未來潛力、應用挑戰，以及監控使用以確保道德和有效實施的重要性。 PubMed DOI