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

文盲率上升和認知技能下降，加上錯誤資訊的氾濫，對全球帶來了嚴重挑戰。雖然大型語言模型（LLMs）的快速發展可能加劇這些問題，但它們也有潛力改善文盲情況。認知科學在教育上具優勢，能透過分析和優化LLMs的設計、促進互動學習及支持多元學習方式來指導其有效使用。認知科學家的參與非常重要，以確保LLMs對文盲的影響是正面且公平的，而非僅由大型科技公司主導。 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

這項研究探討數位智慧如何改變翻譯教育，並運用文獻計量學和內容分析。研究分析翻譯訓練方法的演變，特別是AI、ChatGPT、大型語言模型和5G技術的應用。主要發現指出，數位工具能提升學生的參與度和技能發展，但也面臨數據質量、技術依賴和倫理標準等挑戰。研究強調需發展先進的訓練平台和策略，以促進師生互動並維護學術誠信，並指出持續創新的重要性，以培養未來翻譯人員的能力。 PubMed DOI

這項研究探討大型語言模型（LLMs）與人類大腦在處理敘事資訊上的差異。雖然LLMs能預測與敘事相關的神經信號，但它們是平行分析大量文本，與大腦逐步處理的方式不同。研究使用219名參與者的fMRI數據，發現LLMs在短期上下文中表現較好。研究人員開發了一個增量上下文模型，結合短期與持續更新的長期上下文，顯著改善了對長期處理腦區活動的預測。這結果顯示大腦整合資訊的能力，對認知神經科學和人工智慧的發展提供了新見解。 PubMed DOI

將大型語言模型（LLMs）整合進科學工作流程中，既有機會也有挑戰。四組科學家提供不同觀點：Schulz等人認為LLMs能提升研究生產力；Bender等人警告過度炒作，主張專注於可解釋的專用工具；Marelli等人強調透明性與負責任使用，呼籲標示LLMs貢獻；Botvinick和Gershman則認為人類應對科學探究負最終責任。這場對話旨在確保LLMs的使用能提升科學實踐，同時維持倫理與問責。 PubMed DOI

生物醫學領域正加速數位化，LLMs 正在改變 NLP 應用，帶來自動化和新發現。雖然有助提升醫療與研究效率，但在準確性、安全性及多元資料整合上仍有挑戰。本文回顧發展歷程、現況與未來趨勢，並分析機會與風險。 PubMed DOI

大型語言模型常會產生看似正確但其實錯誤的回答，這跟人類接受性失語症很像。研究發現，LLMs的內部運作和失語症患者大腦的資訊處理方式很相似，特別是在狀態轉換和停留時間上。這種分析方法未來有機會幫助改進LLMs，也可能應用在失語症診斷上。 PubMed DOI

大型語言模型在心理科學等學術領域越來越重要，能協助教學、寫作和模擬人類行為。雖然帶來不少好處，但也有倫理和實務上的挑戰。這份摘要整理了最新進展、最佳做法，並提出未來發展方向，幫助學界更負責任且有效地運用LLMs。 PubMed DOI