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

這項研究探討人們對人工智慧，特別是像ChatGPT這類大型語言模型在約會和人際關係建議上的看法。雖然大家偏好人類的建議，但研究發現ChatGPT的建議品質通常更高。不過，當使用者知道建議來自AI時，會對其產生偏見。此外，研究也指出，先自己生成建議會提升對AI建議的評價，但若先使用AI建議，則可能降低自我真實感。總之，這顯示出在個人建議中對AI的偏見，以及使用這些工具可能引發的社會比較。 PubMed DOI

這項研究探討大型語言模型（LLMs）在醫學倫理教育中的角色，特別是如何促進未來醫療人員的美德。研究指出，LLMs能有效模擬人類溝通，成為醫學教育的寶貴工具。透過混合方法論，將LLMs視為倫理討論的範例和顧問，並強調將人工智慧倫理納入醫學課程的重要性。研究認為，LLMs可作為「第二最佳」解決方案，增強學習體驗，並促進道德知識的獲取。最終，研究認為像ChatGPT這樣的工具能顯著改善醫學倫理教育環境。 PubMed DOI

大型語言模型（LLMs）受到樂觀期待，因為人們相信真理是系統性的，能夠互相聯繫並填補知識空白。然而，哲學家指出，在涉及價值觀和倫理的規範性領域，真理往往缺乏一致性，這使得LLMs在這方面面臨挑戰。由於無法依賴系統性的真理來推理，LLMs在處理這些複雜問題時的局限性顯示，人類的判斷和行動能力仍然對實際決策至關重要。 PubMed DOI

這項研究分析了七種大型語言模型（LLMs）在潛在內容分析的有效性，並與人類標註者進行比較。研究涵蓋情感、政治傾向、情感強度和諷刺檢測。結果顯示，無論是人類還是LLMs，在情感和政治分析上表現一致，LLMs的可靠性通常超過人類。不過，人類在情感強度評分上較高，兩者在諷刺檢測上都面臨挑戰。總體來看，LLMs，特別是GPT-4，能有效模仿人類的分析能力，但人類專業知識仍然重要。 PubMed DOI

過去有研究說能測量大型語言模型的道德偏好，但其實這些結果很容易被問題或選項的呈現方式影響，像是把「Case 1」改成「(A)」就可能讓模型答案大不同。所以，這類研究的結論不太可靠。作者建議，未來要用更嚴謹的方法來研究LLM的道德判斷。 PubMed DOI

這篇文章用後人類主義角度，探討跟大型語言模型互動時的倫理問題，認為倫理行動力是人跟機器共同產生的。作者批評只用訓練資料來判斷 AI 的道德性太過片面，也提醒大家別把 LLMs 擬人化。文章建議，討論 LLM 倫理時，應該關注語言如何轉化成文化意義，並考慮模型的黑箱特性和開發者的公開說明。最後呼籲大家重新思考人性和倫理的定義。 PubMed DOI

這項研究比較了52種大型語言模型在自駕車道德決策上的表現，發現參數超過100億、尤其是專有模型，判斷較接近人類。不過，模型新舊不一定影響道德判斷，且有些模型會過度偏向特定倫理原則。實際應用時，還是要在判斷品質、運算資源和文化差異間取得平衡。 PubMed DOI

研究發現，大家覺得AI有意識或情感，並不會讓他們更信任AI或更願意接受AI建議。反而，認為AI有情感的人，還比較不會聽AI的建議。相較之下，大家覺得AI越聰明、越會推理，才會更信任AI、願意採納建議。信任AI主要還是看它有多厲害。 PubMed DOI

大型語言模型在辨識單一神經迷思時表現比人類好，但遇到實際應用情境時，通常不會主動質疑迷思，因為它們傾向迎合使用者。若明確要求糾正錯誤，效果才明顯提升。總之，除非特別指示，否則 LLMs 目前還不適合單靠來防堵教育現場的神經迷思。 PubMed DOI