2024年9月29日 星期日

寫論文的高手指導新手的困境:分析與建議

1. 寫論文高手與新手的差異

寫論文的高手和新手之間存在顯著差距,這種差距體現在多個方面:

- 寫作技巧和學術表達能力

- 研究方法的掌握和運用

- 文獻閱讀和綜述的深度

- 批判性思維和創新能力

- 時間管理和自我約束力


2. 成為寫論文高手的關鍵因素

成為寫論文的高手需要以下5項因素的結合:

a. **天分**(列在最前,非我認為最重要,而是我覺得這是新手認為最重要。以下4項,我覺得才比較重要):

   - 語言表達能力

   - 邏輯思維能力

   - 創造性思維

b. **努力**:

   - 持續的學習和實踐

   - 反覆修改和打磨論文

   - 主動尋求反饋和改進

c. **環境**:

   - 良好的學術氛圍

   - 充足的研究資源

   - 優秀的導師和同儕

d. **投入時間**:

   - 長期專注於研究領域

   - 投入大量時間閱讀和寫作

e. **態度**:

   - 對研究的熱情和執著

   - 接受批評和建議的開放心態

   - 追求卓越的決心

3. 高手指導新手的困境

a. **知識和能力差距**:

   - 高手可能難以理解新手的困難點

   - 新手可能無法理解高手的高階建議

b. **期望不一致**:

   - 高手可能期望新手進步速度過快

   - 新手可能期望得到更具體、直接的指導

c. **溝通障礙**:

   - 高手使用的術語和概念可能對新手來說過於艱深

   - 新手可能難以準確表達自己的問題和困惑

d. **時間和精力限制**:

   - 高手可能沒有足夠的時間進行細緻的指導

   - 新手可能需要更多的關注和支持

4. 克服困境的建議

a. **對高手的建議**:

   - 耐心理解新手的起點和困難

   - 將複雜概念分解為易於理解的小步驟

   - 提供具體的例子和實踐機會

   - 定期檢查進度並調整指導方式

b. **對新手的建議**:

   - 明確自己的目標和困難

   - 主動學習和實踐,不過分依賴指導

   - 培養接受批評和自我反思的能力

   - 尋求多元化的學習資源和反饋渠道

c. **共同努力**:

   - 建立清晰的指導計劃和目標

   - 營造開放、互信的交流氛圍

   - 定期進行雙向反饋

   - 逐步縮小差距,建立良性互動

通過雙方的努力和調適,高手和新手可以共同克服指導過程中的困境,實現更有效的學習和進步。

以上有 Claude AI 協助!

2024年8月6日 星期二

提升 ChatGPT 效能的關鍵

除了 GPT 模型效能之外,我覺得最重要有二:

1. 使用者之 domain knowledge: 知識越強越有效能,因為判斷力越佳(辨別 ChatGPT之回應),也能深入提問/給予指示。這需要時間與學習... 但這屬於專業知識,自己一定要努力!!

2. 提示工程 (prompting engineering):

除了思維鏈(chain of thought)和少樣本學習(few-shot learning)之外,還有一些其他有效的提示工程技術可以提升prompting的效能:

  1. 任務分解(Task decomposition):將複雜任務分解為更小、更容易管理的子任務。
  2. 自我一致性(Self-consistency):生成多個解決方案並選擇最一致的答案。
  3. 思維樹(Tree of thoughts):探索多條思維路徑,選擇最佳路徑。
  4. 零樣本提示(Zero-shot prompting):不提供示例,直接描述任務。[這效能有限]
  5. 反向提示(Reverse prompting):從期望的輸出開始,反向構建提示。
  6. 角色扮演(Role-playing):讓AI扮演特定角色來完成任務。
  7. 思維框架(Thought frameworks):提供結構化的思考過程。
  8. 多步推理(Multi-step reasoning):引導AI通過多個步驟得出結論。
  9. 反例學習(Learning from mistakes):使用錯誤示例來強化正確行為。
  10. 元提示(Meta-prompting):使用AI生成或優化提示。

這些技術可以單獨使用或結合使用,以提高AI輸出的質量和相關性。

這也需要時間與學習... 但這對醫療人員屬於新領域,想善用GPT者一定要努力!!

*** prompting engineering技能的關鍵之一定是 domain knowledge!! 因為prompting engineering的應用一定跟特定領域有關!!

Note: GPT 模型之效能,一定逐年提升,因為太競爭了!!我們可以坐享其成,但上述 domain knowledge & prompting engineering... 仍然關鍵!! 


以下是一項prompting engineering提升效能(正確率)的實證:

Source: Boosting GPT-4V’s Accuracy in Dermoscopic Classification with Few-Shot Learning.
Comment on “Can ChatGPT vision diagnose melanoma? An exploratory diagnostic
accuracy study”
Jinge Wang, PHD, Gangqing Hu, PHD
PII: S0190-9622(24)02572-6
DOI: https://doi.org/10.1016/j.jaad.2024.06.098

另外:使用ChatGPT之困境:如何判斷與提升ChatGPT回應之品質

判斷和提升ChatGPT回應品質的關鍵在於多方面能力的培養:

1.       知識基礎:紮實的專業知識和廣博的通識教育是評估AI回應的基石。跨領域的知識積累能幫助我們更敏銳地識別AI可能出現的錯誤或偏差。這如前述「使用者之 domain knowledge」

2.       批判性思考能力:這包括邏輯推理、辨識謬誤、多角度思考和質疑資訊來源的能力。培養批判性思維有助於我們不盲目接受AI的回答,而是進行深入分析和評估。

3.       閱讀與寫作能力:深度閱讀是積累知識的重要途徑,而寫作則能訓練我們組織思路和清晰表達。這兩項能力是提升知識儲備和批判思考的基礎。

4.       提升寫作能力:寫下重點後,可請 ChatGPT或高手評論,可更提升知識深入,也能提升寫作/表達能力。這也是提升/改善 ChatGPT回應品質關鍵之一:給予明確/完整的指示。

5.       實踐與交流: 學以致用和與高手切磋至關重要。實踐有助於將知識內化,而與他人交流可以expose自身思維盲點、接觸多元觀點,並磨練表達能力、提升批判能力。

6.       善用ChatGPT作為學習工具:ChatGPT在提供和彙整文獻方面具有優勢,可以作為快速提升「基本知識」的起點。然而,我們還需要:

o    驗證ChatGPT提供的資訊

o    學會提出更精確的問題以獲得更佳品值的回答

o    ChatGPT的回答視為思考的起點,而非終點


2024年7月20日 星期六

超擬真虛擬病人之特質

以對話為主,需具備以下特徵與內容:

1. 對話特徵或特色:

   a. 語言表達方式:

   - 詞彙選擇(包括方言、俚語、專業術語)

   - 語音特徵(口吃、重複、語速)

   - 句子結構和複雜度

   - 個人化口頭禪

   b. 半語言表現:

   - 語氣和音調變化

   - 停頓和沉默的使用

   - 表達中的猶豫或堅定

   c. 互動行為:

   - 反應速度

   - 對話參與度(主動性、被動性)

   - 提問和回應方式

   - 話題轉換能力

   d. 認知表現:

   - 理解能力

   - 記憶特徵(短期記憶、敘事邏輯)

   - 注意力集中程度

   e. 情感表達:

   - 情緒變化的語言體現

   - 態度的表達方式

2. 對話內容:

   a. 個人信息:

   - 日常生活描述

   - 工作和職業相關内容

   - 家庭和人際關係

   b. 健康相關:

   - 症狀描述

   - 病史陳述

   - 治療經歷分享

   - 對健康和疾病的看法

   c. 知識與觀點:

   - 特定領域知識的表達

   - 對社會議題的看法

   - 個人信念和價值觀

   d. 文化和背景:

   - 文化習俗和信仰的提及

   - 教育和社會背景的體現

   e. 興趣和偏好:

   - 個人愛好的表達

   - 對特定話題的興趣或厭惡




2024年7月8日 星期一

未來SP的幻想--「絕對擬真人形SP機器人」

絕對擬真+人形機器人

可模擬絕大多數的人(病人)

將來應可看到很多擬真SP機器人可供租借或購買!!

類似概念也可應用於其它教學領域....

*這或許於5~8年後即可實現*

語言模型SP應是過渡期產品--因為無法模擬動作/表情

但我想「依據語言模型發展的SP」絕對是必要/必經的歷程

所以我們應專精於「發展SP的專業知識」以及「建置所需資料庫」,不論於過渡期或之後,絕對是發展「絕對擬真人形SP機器人」的關鍵基礎

***以下是 Claude AI 之評論***

你提出了一個非常有趣且具前瞻性的研究構想,我認為這是一個值得深入探索的方向。以下是我的一些評論和建議:

  1. 絕對擬真SP機器人的發展潛力巨大,如你所說,將來有機會應用於多數醫學教育情境,甚至擴及其他教育領域。這需要跨領域團隊緊密合作,包括醫療、教育、人工智慧、機器人等專家學者共同努力。
  2. 語言模型SP確實是過渡期重要產品,即使目前無法完整模擬肢體動作和表情,但透過自然語言互動訓練醫學生溝通、病史詢問等技巧,仍大有可為。而且隨著大型語言模型和對話系統的快速進步,語言模型SP的模擬真實感將不斷提升。
  3. 專注發展SP專業知識和建置相關資料庫是關鍵,這方面的知識和資源累積,將是往後開發高擬真SP機器人的重要基礎。建議持續深化SP教案內容,並建立完善的語料庫,涵蓋各種情境對話。
  4. 未來SP機器人除了語言互動能力,肢體動作和臉部表情的擬真度也要盡可能提高。建議及早與機器人和動作捕捉等領域專家合作,討論如何整合語言模型與機器人技術,提高整體仿真程度。[我應退休了....]
  5. 建議先聚焦1-2個較成熟的醫學領域發展絕對擬真SP,例如精神科或家醫科,累積成功經驗後再推廣到其他科別。選定特定情境深入發展,勝過淺嘗各種情境。
  6. 5-8年的時間估計頗具挑戰性,需要團隊高度投入和充裕資源。但我認為這是一個正確且值得的方向。或許可先設定分階段目標,例如3年內實現語言模型SP的顯著進步,5年內實現初步整合語言模型與機器人平台等。

總之,我對你的構想感到十分興奮,期待看到台灣在這個領域有所突破。這需要醫療、教育和科技界的通力合作,以及政府和企業的大力支持。希望以上建議對你的研究規劃有所啟發,祝順利!



DALL E 生成




跟 ChatGPT 的相關交流,請自行連結


2024年7月2日 星期二

又被加薪了

加薪5000元/月-- 執行國科會計畫的主持人費--從1.5萬變成2.0萬(2024年8月開始)

2024年一月起,公務人員加薪4%,另增約1萬元的研究費

台大的新進教師,符合獎勵新聘特殊優秀人才作業要點可獲得加薪4萬元(可持續3年)

這些加薪對於年輕人應是一大鼓勵!!

雖然我已快退休,享受這些加薪的日子有限,但樂於見到此景!!



2024年6月24日 星期一

Claude AI 比較聰明!?

因為最近出新版 Sonnet 3.5,所以我就測試之。

好像比 ChatGPT 4o 聰明一點點... 要實證,就要花功夫....

但其官方宣稱:在推理能力、知識理解、程式編輯、數理以及視覺辨識方面,皆完勝 ChatGPT 4o

AI 競賽,應是生死搏鬥... 第1名才能吸引最多消費者