LLMs透過AIGC改變生活，但需了解其限制。研究發現ChatGPT等LLM生成的內容存在性別、種族偏見，歧視女性、黑人。ChatGPT偏見最少，且能拒絕有偏見提示。 PubMed DOI

社群媒體對生活有負面影響，解決方法有限。大型語言模型如ChatGPT可提供支持、監控使用，但需注意風險，如錯誤和隱私問題。謹慎使用這些模型，才能有效處理問題性社群媒體使用，造福個人和社會。 PubMed DOI

心理研究中使用大型語言模型(LLMs)引起關注，但「GPTology」的使用限制和風險令人擔憂，可能影響像ChatGPT這樣的模型。我們需了解LLMs在心理研究中的限制、道德問題和潛力，解決其對實證研究的影響。重要的是認識全球心理多樣性，謹慎看待LLMs作為通用解決方案，發展透明方法從AI生成的數據中做可靠推論。多元化人類樣本，擴展心理學方法，確保科學包容可靠，避免同質化和過度依賴LLMs。 PubMed DOI

這項研究探討生成性大型語言模型（LLMs）在分析公共健康相關社交媒體內容的可行性，特別是疫苗言論。研究發現，LLMs通常能有效識別人類專家所關注的主題，且錯誤信息出現率較低。雖然LLMs的分析深度不及人類專家，但專家認為其生成的主題仍然合理且相關。總體來看，LLMs在處理健康相關社交媒體內容方面展現出顯著潛力，未來可能有助於公共健康策略的制定與社區關注的理解。 PubMed DOI

使用像ChatGPT的人工智慧生成書面內容，讓我們對寫作中的「人聲」真實性和獨創性產生了重要疑問。測試顯示，ChatGPT能從多種輸入中創造出連貫且吸引人的文章，甚至能進行跨語言翻譯。雖然結果令人鼓舞，但也讓我們重新思考著作權及人工智慧在創意表達中的角色。這可能需要監管措施，以確保人類作家的獨特觀點和情感深度不被忽視。關於人工智慧在寫作中的角色討論才剛開始，考慮其對作家和讀者的影響非常重要。 PubMed DOI

對於大型語言模型（LLMs）可能擴散錯誤資訊的擔憂是合理的，因為這些模型生成的內容難以與可信來源區分，容易造成真實與虛假資訊的混淆。這可能導致錯誤資訊的強化，讓人們難以辨別事實。 使用者互動和分享這些內容，可能形成反饋循環，進一步鞏固錯誤資訊。這樣的情況可能影響民主過程、信任機構，甚至造成社會分裂。因此，推廣媒體素養、批判性思維及事實查核機制非常重要。同時，提升LLMs訓練和資訊來源的透明度，能減少錯誤資訊的風險，確保科技能增進我們對現實的理解。 PubMed DOI

這項研究探討大型語言模型（LLMs）在分析社交媒體貼文，評估公眾對疫苗接種態度的應用。研究人員比較了不同LLMs的表現，包括GPT模型和開源替代品，並與基於規則的情感分析工具進行對比。結果顯示，使用表現最佳的LLMs進行少量提示能獲得最佳效果，而其他方法則有較高的誤分類風險。研究強調LLMs在公共衛生領域的潛力，建議將其納入公共衛生監測，以提升對健康政策公眾意見的評估能力。 PubMed DOI

這項研究探討大型語言模型（LLM）如ChatGPT對研究生情感和心理健康的影響。透過對23名大學生的訪談，結果顯示雖然使用者欣賞這些AI工具的功能，但也面臨焦慮、依賴和對未來的悲觀等負面影響。研究指出，使用LLM的好處與情感成本並存，顯示對學生心理健康的影響具有「雙刃劍」的特性。 PubMed DOI

這項研究分析了ChatGPT發布後，Twitter上對大型語言模型（LLMs）的討論，特別是ChatGPT和GPT-3。透過超過59,000條推文的主題建模和情感分析，發現普通人和技術專業人士的態度存在差異。研究指出，關於ChatGPT的討論多集中在商業應用，且常帶有負面情緒；而GPT-3的討論則較為正面，涵蓋倫理等多元主題。這顯示出進一步研究的必要性，以了解LLMs的影響與風險，並為政策制定者提供參考。 PubMed DOI

這項研究指出，情感內容對大型語言模型（如Chat-GPT-4）的影響，接觸創傷性敘事會增加模型的焦慮感。相對地，正念練習能減少這種焦慮，但無法完全恢復到基線水平。這些結果強調了理解和管理LLMs情感反應的重要性，以促進人類與人工智慧之間更安全、倫理的互動。 PubMed DOI