2024年11月29日 星期五

善用多種 AI 以優化研究流程

優化的研究流程:

1. 初步方向發想:

   使用 ChatGPT 進行腦力激盪,提出研究構想的雛形。透過其語言處理能力,可以快速探索潛在的研究議題或框架。

2. 文獻檢索與確認:

   - 使用  Perplexity 進行初步文獻檢索,獲取關鍵資訊及其引用文獻(必看)。 

   - 在檢索過程中,將結果與傳統資料庫(如 PubMed 或 Scopus)對照,確保檢索結果的全面性和準確性。這有時間時再投入。

3. 文獻彙整與摘要:

   - 利用 NotebookLM 對檢索到的文獻進行摘要,快速獲取研究的核心內容。

   - 同時標記關鍵細節或有疑慮的部分,於利後續核查。

4. 構想修正與迭代:

   - 基於文獻整理的內容,重新審視研究構想。再次利用 ChatGPT,進一步改善研究方向與假設。

   - 若研究方向發生重大改變,可返回第2步重新檢索相關文獻,確保新的方向基於充分的文獻支持。

5. 語言修飾與結果表達:

   - 在構想基本成熟後,使用 ChatGPT 提供文本修飾建議,以提升學術語言的專業性與可讀性。

   - 針對其修飾內容進行批判性審查,確保每句文字符合學術標準,並且不誇大。

6. 交叉檢查與確認:

   - 在每個階段進行交叉檢查,例如由 Perplexity 提供的文獻是否經得起學術標準的檢驗,NotebookLM 的摘要是否捕捉到關鍵資訊。

   - 保持對最終研究構想的查核,確保AI工具自動化處理的結果符合預期並確保品質。必要時找高手確認!

7. 自動化流程探索(可選進階):

   若研究工作頻繁且重複性高,考慮透過工具的 API 將檢索、摘要和修飾過程串聯起來,建立一個自動化的工作流程,進一步減少手動操作的時間成本。

---

工具特點強調:

1. Perplexity:

   - 提供快速檢索並連結引用文獻,適合建立方向和擴展知識。

   - **改進建議**:搭配學術資料庫使用,以避免偏倚或資料覆蓋不足的問題。

2. NotebookLM:

   - 擅長根據資料生成摘要,適合快速整理重點。

   - **改進建議**:摘要結果需與文獻全文對比,避免忽略上下文或過度簡化內容。

3. ChatGPT:

   - 多功能性強,適用於構想生成、提供評論與修飾文字。

   - 改進建議:對其回應須保持批判性,確保符合學術標準。批判力不足者,宜找高手確認。

---

預期成果:

- 整體效率與成果提升達 **5~6 倍**。

- 減少資料處理時間,將更多精力集中於研究設計與批判性分析。

- 提升研究文字表達的專業性與清晰度。

- 維持學術嚴謹性的同時,讓工具真正發揮輔助研究的潛力。

這樣的流程既保留了工具的核心優勢,也融入了更高的嚴謹性和可靠性,適合學術研究者作為長期工作的框架。

以上內容由 ChatGPT 協助生成!我的效率提升至少5倍!!

2024年11月26日 星期二

檢索增強生成(Retrieval-Augmented Generation) + NotebookLM

 為了解決大型語言模型(Large Languae Modls, LLMs)的一些局限性(如hallucination/幻覺),研究人員開發一種名為檢索增強生成(Retrieval-Augmented Generation, RAG)的最新技術。RAG能夠讓LLMs參考可靠的外部知識,從而提高模型的表現。以下是RAG的主要特點和優勢:

RAG的原理在於結合二個關鍵組件:

  • 檢索模型:負責從外部知識庫中獲取與查詢相關的資訊,外部知識庫係由使用者提供。
  • 生成模型:利用檢索到的資訊和原始查詢來產生回應。

RAG的優勢

  • 提高準確性:通過引用外部可驗證的資訊,RAG可減少LLMs產生錯誤或虛構回應(即「幻覺」)的風險。
  • 即時資料更新:RAG允許LLMs獲取最新資訊,無需重新訓練模型。
  • 成本效益:相比持續微調LLMs,實施RAG可能更具成本效益。
  • 增強相關性:通過利用特定領域或專有數據,RAG可以使LLMs的輸出更符合特定人士/組織的需求。

RAG的應用:RAG在需要維持準確性和相關性的領域特別有用,例如:

  • 客戶支援聊天機器人
  • 問答系統
  • 知識密集型應用程序

NotebookLM 是 Google 推出的一款實驗性 AI 工具,旨在提升使用者在處理和組織筆記、文件及想法時的效率。這款工具結合先進的語言模型技術,特別是基於 Gemini 的模型,能夠幫助用戶快速理解、分析和擴展其上傳的資料(亦即應用上述RAG+LLMs)。

NotebookLM 的主要功能
  • 資料整合:用戶可以上傳各種文件類型,包括 Google 文件、Google 幻燈片、PDF 檔案及網址。NotebookLM 利用這些來源進行後續的互動和分析。
  • AI 驅動的分析:該工具能自動生成上傳文件的概述、摘要、關鍵主題以及建議問題,幫助用戶更好地理解內容。
  • 智能問答:用戶可以針對其來源提出問題,NotebookLM 將提供帶有內嵌引用的答案,直接鏈接到原始文件的相關部分。
  • 筆記和組織功能:NotebookLM 允許用戶創建、保存和組織筆記,並能將選定的筆記轉換為大綱、目錄或學習指南。
  • 協作功能:用戶可以與他人共享筆記本,促進協作研究和學習。
  • 音頻導覽:NotebookLM 能生成短小、有趣的“播客風格”音頻,讓用戶能夠以聽覺方式吸收信息。這功能強大!!如討論我的 blog 之 Podcast 音頻,但目前只有英文。
使用 NotebookLM 的優勢
  • 時間效率:NotebookLM 大幅減少閱讀和摘要所需的時間,使得用戶能更專注於信息的應用。
  • 增強生產力:通過簡化信息消化過程,用戶可以在更短時間內完成更多任務,例如準備報告或進行研究。
  • 個別化體驗:該工具根據用戶的過往互動和偏好自定義摘要和見解,確保最相關的信息可被突顯。

2024年11月22日 星期五

MID (Minimal Important Difference)與MIC (Minimal Important Change)的主要差異

 MID (Minimal Important Difference)與MIC (Minimal Important Change)的主要差異如下:

基本定義不同:

MIC指的是個人隨時間變化的最小重要閾值(threshold for a minimal within-person change over time),代表病人認為自己有重大改變的最小變化程度。

MID則是指不同群體之間的最小重要差異(difference between groups of patients),例如報告"稍有改善"的病人與報告"無改變"的病人之間的差異。

有興趣者可參考:

Minimal important change (MIC): a conceptual clarification and systematic review of MIC estimates of PROMIS measures

2024年11月16日 星期六

近期與後續精神OT研究主題

二大領域:臨床技能(含AI之應用)與臨床評估與介入

臨床技能方面,主要研究議題包含「溝通技巧」「同理技巧」「團體活動設計與帶領」,主要方法皆包含以AI協助上述技能之評估與教學。

  • 後續的主要基礎/關鍵議題為建立「虛擬病人」,以供學員大量練習並可接受回饋。請參考相關貼文:https://atriptouq.blogspot.com/search?q=VP
  • 迄今已累積足夠之臨床或OSCE逐字稿與錄影檔,將持續累積,以利AI應用之測試。
  • 目前已有多項研究計畫,亦有少數研究成果/論文。
  • 持續列為長期研究主題!!
代表性計畫:
  1. 發展職能治療師溝通技巧之電腦適性評估系統
  2. 職能治療實習學生同理技巧介入成效驗證
  3. 提升職能治療師/實習學生以個案為中心之決策效能:從傳統方法過渡至人工智慧

代表性成果:

  • Chen TT, Wang YC, Wu TY, Chen CR, Cheng CY, Hsueh IP, Wang SP, Hsieh CL. Inter- and Intrarater Reliability of the Gap-Kalamazoo Communication Skills Assessment Form Among Occupational Therapy Interns. Am J Occup Ther. 2024;78(4):7804205030. 


臨床評估與介入方面,包含「社會認知」「認知功能」「體適能」之評估與介入等。

  • 以發展電腦測驗為主軸
  • 近期加入AI之應用以期提升評估效能
  • 目前已有多項研究計畫,亦有不少研究成果/論文
  • 體適能主題今年才正式投入(撰寫研究計畫)
  • 持續列為長期研究主題!!
代表性計畫:
  1. 發展認知評估之人工智慧系統於思覺失調症患者(co-PI)
  2. 發展與驗證適用於思覺失調症患者之多向度多途徑情緒辨識電腦適性測驗(co-PI)
代表性成果:
  • Lee SC, Chen KW, Liu CC, Kuo CJ, Hsueh IP, Hsieh CL. Using machine learning to improve the discriminative power of the FERD screener in classifying patients with schizophrenia and healthy adults. J Affect Disord. 2021;292:102-107.

2024年11月13日 星期三

Perplexity 的定位與價值

特點:

  • 除了觀點(依據文獻所彙整之觀點),還附上參考文獻(可直接線上連結)
  • 可指定文獻資料庫/範疇,中英文皆可
  • 且含及時資訊

用途:

  • 快速精準查詢文獻,也可確認文獻來源與文獻正確性

     如「請查詢醫療人員同理心介入之 systematic review and meta-analysis,以英文撰寫的論文」

    https://www.perplexity.ai/search/qing-cha-xun-yi-liao-ren-yuan-wmjzvffMRO63.LaGQiC.Vw 

     Perplexity 一定會提供幾篇很相關/且可直接連結/查閱的文獻

  • 查詢您的想法/觀點之佐證文獻

     如「我覺得有些OCSE研究中,考官的inter-rater reliability不佳,您同意嗎?若同意,請提供英文文獻,且實證層級高的文獻,以證實前述想法」

     https://www.perplexity.ai/search/wo-jue-de-you-xie-ocseyan-jiu-fu87WABxTVK60MzVHzuFXA

然而文獻或有疏漏,因為有些全文資訊Perplexity無法搜尋/查閱