MindScape是一個創新的專案，專注於結合時間序列行為模式（如對話參與度、睡眠和位置）與大型語言模型（LLMs），以提升自我反思和福祉。最新研究論文介紹了MindScape情境日記應用程式的設計，透過LLMs和行為感測技術，提供個性化的日記提示，促進情感發展和自我反思。 論文還分享了一項針對大學生的初步用戶研究結果，並討論未來計畫，評估情境AI日記在提升校園福祉的效果。MindScape展現了行為智慧在AI領域的新應用，可能帶來新的進展。 PubMed DOI

最近大型語言模型（LLMs）在醫療領域的應用引起了廣泛關注，特別是在理解兒童情感方面。本文介紹了一個新框架，結合YOLOv7進行物體檢測和GPT-3.5 Turbo語言模型解讀兒童的藝術表達。透過分析藝術治療圖像，YOLOv7能識別物體，而GPT-3.5則解釋草圖所傳達的情感。實驗結果顯示該框架在物體檢測和情感解釋上表現優異，為父母和治療師提供了寶貴的見解，幫助他們更好地支持兒童。 PubMed DOI

這項研究探討了2023年3月版本的ChatGPT如何回應情感故事，並與人類的情感反應進行比較。三十四位參與者閱讀情感豐富的短篇故事並評估自己的情感反應，而ChatGPT則在十次會議中生成對同樣故事的回應。結果顯示，ChatGPT能識別和分類故事的情感內容，但預測人類情感反應的準確性不高，顯示出AI與人類在情感表達上的差異。了解這些差異對增進與AI的情感互動非常重要。 PubMed DOI

您的研究深入探討了Mayer-Salovey-Caruso模型如何評估GPT-4的情感智力。結果顯示，GPT-4在理解和運用情感方面表現優異，但在情感管理和利用情感促進思考上則較為不足。雖然它能有效識別和管理情感，但在深層情感分析和動機理解上仍有局限。將其與兒童探索心理狀態的模式相比較，為理解人工智慧的情感能力提供了新視角。整體而言，您的研究突顯了先進人工智慧在情感智力上的優缺點。 PubMed DOI

這項研究開發了一個聊天機器人，目的是早期識別青少年的抑鬱症狀，並解決精神科服務接觸率低的問題。研究分為兩個步驟： 1. **數據收集與分析**：對53名青少年進行標準化訪談，產生4,077對問答，訓練出一個準確率高達97%的模型，能有效區分有無抑鬱症的青少年。 2. **使用Chat GPT生成數據**：為增強數據集，研究利用Chat GPT生成額外語句，發現有效的提示工程具有挑戰性，但成功策略是平衡提示長度與示例數量。 總體來看，這項研究顯示分析青少年語言模式能有效識別抑鬱症狀，而Chat GPT則是創建合成數據的好工具。 PubMed DOI

EmoAtlas是一個情感分析計算庫，能從18種語言的文本中提取情感與詞彙聯想。它運用可解釋的人工智慧進行語法解析，根據Plutchik理論識別八種情感，並在英語和意大利語的情感檢測上表現優於BERT和ChatGPT 3.5。其憤怒檢測準確率達85.6%，速度比BERT快12倍，且無需微調。EmoAtlas還能分析文本中情感的表達，提供如酒店評論等情境下的客戶情感見解，作為獨立資源發布，旨在提取可解釋的見解。 PubMed DOI

這項研究發現，經過優化指令後，AI語言模型在辨識故事中的人際情緒調節策略，準確度已接近人工，但在不同情緒和策略上仍有落差。研究強調AI分析敘事資料有潛力，但設計指令和驗證結果時要特別小心。 PubMed DOI

這項研究發現，ChatGPT在心理諮詢上的專業度、同理心和人性化表現，跟人類諮商師差不多。不過，AI還是能被辨識出來，主要差異在語境、句子結構和情感表達。研究也提醒要注意透明度、隱私和倫理問題。總結來說，ChatGPT有潛力協助心理健康，但還有不少實務和倫理挑戰要解決。 PubMed DOI

這項研究發現，GPT-4在辨識圖片情緒（愉悅度和激發度）時，表現和人類相近，但對細微情緒還是有點吃力。這代表未來用GPT-4來自動篩選和驗證情緒刺激，有機會大幅減少人力、提升效率。 PubMed DOI

這項研究發現，ChatGPT能給家長清楚又實用的ADHD行為訓練建議，但部分資料過時、內容也不夠深入。AI工具雖然能協助照顧者學習，但臨床應用前，建議再加強正確性和細節。 PubMed DOI