Key points are not available for this paper at this time.
生成性人工智能和大型语言模型是信息处理技术革命的延续,这场革命始于1947年晶体管的发明。这些技术依赖于用于人工神经网络的变压器架构,预计将在很大程度上影响社会。显然,这些技术将被用于推动教育创新。医学教育是一项高风险活动:错误教授给学生的信息可能多年不被察觉,直到出现相关的临床情况,此错误可能导致患者受到伤害。本文讨论了生成性人工智能在医学教育中使用的主要限制——幻觉、偏见、成本和安全性,并提出了一些应对这些问题的方法。此外,我还识别出生成性人工智能在医学教育中的潜在应用,包括个性化教学、模拟、反馈、评估、定性研究的增强以及对现有科学文献的重大评估。
Daniel J. Parente(周四)研究了这个问题。