我希望这封邮件对您有好处。全国各地的学术校园对人工智能 (AI) 工具的热情空前高涨。人工智能技术的最新进展使这些工具的使用变得比以往任何时候都更容易，这引起了一些人的担忧，也引起了另一些人的兴奋。

我们很高兴能够开始一个由三部分组成的系列， “人工智能就在这里。怎么办？” 本系列旨在揭秘人工智能在研究和医疗保健中的作用。第一部分将重点关注人工智能给我们的领域带来的好处，特别强调生成式人工智能。

人工智能简史 

虽然“人工智能”一词直到 1956 年才被创造，但“思考机器”的概念自 XNUMX 年以来就已存在。 谜 代码于 1941 年被破解。快进到 2014 年，人工智能的新曙光诞生了：生成式人工智能。该技术可以根据提示生成文本、图像和其他媒体。新一代生成式人工智能产品 - ChatGPT、Scribe、Jasper、DALL-E 2 和 Bard - 利用自然语言处理来生成连贯且上下文相关的文本、创建数字图像，甚至开发计算机编程代码。

为什么现在大肆宣传？ 

生成式人工智能 (Generative AI) 自 2014 年以来就已出现，但最近才引起了广泛关注。为什么？因为它变得更容易获得、用户友好且更具成本效益。由于免费生成式人工智能应用程序的进步和可用性，普通人现在可以以对话方式与人工智能互动，并见证类似人类的反应。这些文章来自 路透社 和 麦肯锡公司 解释 ChatGPT 和其他生成式 AI 模型如何改变我们看待 AI 的方式。

人工智能在研究和医疗保健中的好处 

研究协助： 生成式人工智能具有快速处理大量数据的能力，可显着增强研究工作。它有助于数据收集和分析，有可能揭示传统研究方法可能被忽视的当前趋势、相关性或见解。这可以带来更全面、更准确的发现，从而加快科学发现的步伐。

信息组织： 在数据管理领域，生成式人工智能发挥着关键作用。它可以有效地组织和分类大量数据集，简化数据检索和管理流程。通过自动化此任务，研究人员和医疗保健专业人员可以更加专注于数据的分析和解释。

数据可视化： 生成式人工智能工具可以将复杂的数据转换为视觉直观的表示形式，例如图表、交互式图表和信息图表。这些可视化不仅简化了数据理解，还促进了多学科团队内研究成果和见解的有效沟通。它们弥合了数据分析师和非技术利益相关者之间的差距，确保更全面地理解数据的重要性。

改进的诊断： 人工智能在医疗保健领域最具变革性的应用之一是其在诊断中的作用。人工智能算法可以非常准确地分析 X 射线、MRI 和 CT 扫描等医学图像以及病理切片和基因序列。这有可能加快诊断并减少错误的可能性，从而改善患者的治疗结果。

数据分析和见解： 人工智能擅长处理和分析大型、复杂的数据集。它可以筛选大量数据，识别人类研究人员可能难以察觉的复杂模式、趋势或异常。这些见解对于医疗保健领域的研究工作和个性化治疗计划的制定都是非常宝贵的。人工智能驱动的分析可以实现数据驱动的决策，从而实现更有效、更有针对性的干预措施。 

想了解更多有关如何开发和使用生成式人工智能的信息吗？  

查看这些文章 IBM公司， 数据科学UA 和 HealthTech 关于人工智能在医疗保健和研究方面的好处。

从加速研究进展到增强数据管理、简化数据可视化以及彻底改变诊断和数据分析，人工智能是一个强大的工具。它具有彻底改变医疗保健领域的潜力。了解人工智能，特别是生成式人工智能的好处，可以帮助我们利用其潜力来改善患者的治疗结果并简化研究流程。请继续关注 部分2 在本系列中，我们将深入探讨在医疗保健和研究领域使用人工智能的风险和道德考虑。

 感谢您加入我们对生成式人工智能潜力的探索。

欢迎来到我们系列的第 2 部分， “人工智能来了。现在怎么办？” 在第一部分中，我们探讨了人工智能令人兴奋的好处，重点关注生成式人工智能。在第 2 部分中，让我们在医疗保健和研究领域的人工智能世界中继续探索人工智能伦理的复杂领域和潜在陷阱。 

 人工智能：黑暗面 

为了利用人工智能的潜力来改善患者治疗效果并简化研究流程，了解这项强大技术带来的挑战和道德困境至关重要。下面，我们整理了生成式人工智能在医疗保健和研究领域面临的一些关键挑战。 

人工智能的挑战和风险 

数据纯度： 人工智能面临的最重大挑战之一在于组织对支撑人工智能系统的数据了解有限，包括缺乏对人工智能如何训练及其在各种环境下的行为的深入了解。这种知识差距会削弱信任并造成不确定性，从而带来巨大风险。此外，它还给验证人工智能生成的响应带来了困难。  

当考虑人工智能幻觉时，数据纯度的问题变得更加明显，其中像 GPT-4 或 Google PaLM 这样的大型语言模型可以自信地生成 虚假信息。在应对这些复杂性时，用户面临着区分准确内容和捏造内容的任务，这凸显了数据纯度在人工智能应用领域的至关重要性。查看这篇文章以获取更多信息 人工智能幻觉。  

伦理问题： 人工智能算法，特别是机器学习模型，可以继承它们所训练的数据中存在的偏差。这种偏见可能导致不公平或歧视性的决定。例如，在医疗保健领域，有偏见的算法可能会推荐有利于某一人群而不是另一人群的治疗方法，从而导致不公平的医疗保健结果。道德考虑对于确保人工智能以公平公正的方式使用至关重要。 

数据隐私问题： 在医疗保健领域，保护患者数据和遵守 HIPAA 至关重要。生成式人工智能使用合成数据集进行训练；换句话说，他们就像一个孩子，听你说的每一句话，然后随意地复述这些话。请记住，人工智能将获取您提供的任何信息，并可能在响应时使用它 其他组织的 AI提示。机密（PHI、PII）或受限（非公开信息，例如研究或财务数据）信息应 决不要 可以上传或在任何人工智能应用程序上使用。请仅输入公众可访问的数据。  

要进一步了解医疗保健隐私和人工智能的交叉点，请浏览以下文章： 监管审查 和 银行信息安全。 当我们在医疗保健和研究领域不断发展的人工智能格局中，保护患者数据和遵守监管标准仍然是首要任务。 

安全漏洞： 人工智能也不能免受威胁者的利用。网络犯罪分子已经在利用人工智能来创造先进的 网络钓鱼攻击 和合成媒体，例如 经过数字修改的视频和语音克隆 欺骗目标受害者。甚至 ChatGPT 也被用于设计 恶意软件 和 信息窃取病毒' 可以绕过现代安全控制。这一令人震惊的趋势凸显了网络犯罪分子越来越多地将人工智能工具武器化，使得 ChatGPT 等平台上的讨论成为暗网上最热门的话题之一。 

如何更多地了解人工智能的风险？  

查看这些文章 内置在 和 福布斯。  

在探索人工智能的“黑暗面”时，我们必须及时了解情况、实施强有力的网络安全措施并优先考虑道德因素。负责任的人工智能开发和使用可以缓解这些挑战，确保实现人工智能的好处，同时最大限度地降低相关风险。请继续关注本系列的第 3 部分，我们将讨论人工智能的注意事项以及在工作中使用人工智能所需采取的步骤。  

感谢您加入我们对医疗保健和研究领域的生成式人工智能的探索

欢迎回到我们关于人工智能 (AI) 在研究和医疗保健中的作用的三部分系列。 部分1 我们的系列文章“人工智能来了。现在怎么办？”揭示了人工智能在医疗保健和研究领域的巨大潜力。我们探讨了生成式人工智能的起源、其演变以及当今个人的可及性。阐明了人工智能在研究和医疗保健中的好处，包括其在数据分析、信息组织、数据可视化、诊断和数据分析中的作用。

部分2 深入研究了我们领域中与人工智能相关的风险和道德考虑。我们讨论了数据纯度、算法偏见引起的道德问题、数据隐私合规性和安全漏洞等挑战。我们必须应对这些挑战，以确保负责任的人工智能开发和使用。

现在，当我们踏上 部分3 在我们的系列中，我们将重点转向实用指导。在本部分中，我们将讨论人工智能的注意事项，并概述在工作中使用人工智能所需采取的基本步骤。

人工智能在医疗保健和研究领域的注意事项

随着人工智能继续塑造医疗保健和研究领域，了解如何负责任且有效地利用其力量至关重要。

不要忽视道德责任： 人工智能训练数据中的道德考虑至关重要，因为偏见可能导致不平等的结果。在人工智能应用中必须优先考虑公平和公正，以避免忽视道德问题，特别是在医疗保健等领域。

不要在没有仔细考虑的情况下急于使用人工智能： 虽然人工智能的数据分析功能可以揭示隐藏的模式和趋势，使研究和医疗保健受益，但用户必须仔细考虑如何以及何时以安全的方式使用人工智能。

不要输入 PII 或 PHI： 患者和个人隐私仍然是我们的第一要务。请记住，生成式人工智能将获取您提供的任何信息，并在回复其他组织时可能会使用这些信息。因此，机密或受限信息应 决不要 上传到生成式人工智能平台。

不要放弃人的因素： 虽然人工智能可以协助完成任务，但不要让它代表你思考。人工智能缺乏人类的情感或思想。请记住事实核查和批判性思维的重要性。

应优先考虑网络安全： 强调网络安全以防范人工智能相关威胁。网络犯罪分子利用人工智能进行高级攻击，例如深度伪造和多态恶意软件，因此保持警惕至关重要。

DO 地址数据纯度： 每个人都应该了解人工智能的数据基础和潜在偏见。这可以最大限度地减少信任问题，并有助于验证人工智能生成的响应。

务必确保医疗保健中的数据隐私： 遵守 HIPAA 保护患者隐私的规定。在医疗保健中利用人工智能的同时，使用去识别化和合成数据集来保护患者信息。

请务必谨慎行事： 人工智能正在使我们工作的许多方面变得更快，这使得我们更容易犯错误和做坏事。在工作场所使用人工智能工具时要简洁、小心。

我如何在我所在的地区开始使用生成式人工智能？

既然您了解了 ChatGPT 或 Bard 等生成式 AI 的优点和挑战，您可能想知道您的团队如何利用这项强大的技术。

好消息！ 您可以使用以下方式测试驱动生成式人工智能 副驾驶，我们 Bing 上受内部保护的聊天功能！只需几个简单的步骤即可开始聊天！

1. 登录新墨西哥大学健康与健康科学网络。
2. 导航到 Microsoft Bing。       

1. 单击左上角的聊天。
2. 开始聊天！     

如果您选择使用人工智能工具进行工作而不是上述内部保护的聊天，则您需要做一些事情。

• 我们的信息安全办公室和网络安全团队将通过学习中心跟踪生成式人工智能请求。
• 除 Copilot 之外任何想要使用人工智能的人都必须完成生成式人工智能学习模块。
• 要完成本模块，请登录学习中心并搜索 CLT 303 研究和医疗保健中的生成人工智能.

 想了解更多关于人工智能的知识吗？

我们关于生成人工智能的三部分系列只触及了表面！关于生成式人工智能如何改变研究、医疗保健等，您可以了解更多内容！查看这篇文章来自 HIMSS（医疗保健信息和管理系统协会）  关于大型语言模型在医疗保健领域的力量和潜力。

 想要试驾 AI 但不知道从哪里开始？

看看这个 初学者指南 关于编写提示以获得最佳答案的基础知识。想要更深入地挖掘吗？通过此博客获取有关编写有效提示的更多深入信息 PH数据.

 在结论

我们的系列探讨了医疗保健和研究中的人工智能。我们首先揭示了生成式人工智能的潜力和伦理考虑。现在，在最后一部分，我们提供实用指导：优先考虑网络安全、了解数据纯度并确保数据隐私。

感谢您与我们一起探索人工智能的潜力、挑战和实际应用。我们期待看到人工智能在我们共同前进的过程中继续对医疗保健和研究产生积极影响。