บทบาทของปัญญาประดิษฐ์เชิงสร้างสรรค์ในฐานะผู้ช่วยนักวิจัยด้านสาธารณสุข
Article Sidebar
Main Article Content
บทคัดย่อ
ปัญญาประดิษฐ์สร้างสรรค์ (Generative AI) ได้กลายเป็นเทคโนโลยีที่มีบทบาทสำคัญในหลากหลายสาขา รวมถึงด้านการวิจัยสาธารณสุข บทความนี้มีวัตถุประสงค์เพื่ออธิบายความหมายของ Generative AI และวิเคราะห์บทบาทของมันในฐานะผู้ช่วยนักวิจัยสาธารณสุข โดยเน้น 4 ประเด็นสำคัญ ได้แก่ 1) วิธีการนำ AI มาใช้ในกระบวนการเขียนงานวิจัย 2) ความน่าเชื่อถือของผลงานวิชาการที่เกิดจาก AI 3) ความเสี่ยงเรื่องการคัดลอกผลงาน และ 4) มุมมองต่อการใช้ Generative AI ในงานวิจัยในปี 2025 และในอนาคต ผู้เขียนได้ทบทวนวรรณกรรมที่เกี่ยวข้องอย่างกว้างขวางเพื่อให้ได้ข้อมูลที่รอบด้านและทันสมัย ผลการศึกษาชี้ให้เห็นว่า แม้ Generative AI จะมีศักยภาพสูงในการเป็นผู้ช่วยนักวิจัย แต่ก็ยังมีข้อพึงระวังทั้งในแง่จริยธรรม ความน่าเชื่อถือ และการใช้งานอย่างเหมาะสม ดังนั้น นักวิจัยจึงควรทำความเข้าใจในข้อจำกัดของ AI ควบคู่ไปกับการใช้ประโยชน์จากมัน เพื่อให้งานวิจัยด้านสาธารณสุขพัฒนาไปในทิศทางที่สอดคล้องกับมนุษย์และสังคมอย่างแท้จริง
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความนี้ได้รับการเผยแพร่ภายใต้สัญญาอนุญาต Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) ซึ่งอนุญาตให้ผู้อื่นสามารถแชร์บทความได้โดยให้เครดิตผู้เขียนและห้ามนำไปใช้เพื่อการค้าหรือดัดแปลง หากต้องการใช้งานซ้ำในลักษณะอื่น ๆ หรือการเผยแพร่ซ้ำ จำเป็นต้องได้รับอนุญาตจากวารสารเอกสารอ้างอิง
Agrawal, A., Gans, J. S., & Goldfarb, A. (2019). Exploring the impact of artificial intelligence: Prediction versus judgment. Information Economics and Policy, 47, 1-6.
Bali, J., Garg, R., & Bali, R. T. (2019). Artificial intelligence (AI) in healthcare and biomedical research: Why a strong computational/AI bioethics framework is required? Indian Journal of Ophthalmology, 67(1), 3-6.
Bauchner, H., Fontanarosa, P. B., & Golub, R. M. (2020). Editorial evaluation and peer review during a pandemic: How journals maintain standards. JAMA, 324(5), 453-454.
Bornmann, L., & Marewski, J. N. (2019). Heuristics as conceptual lens for understanding and studying the usage of bibliometrics in research evaluation. Scientometrics, 120(2), 419-459.
Bozkurt, A., Karadeniz, A., & Baneres, D. (2021). Artificial intelligence and education: Opportunities, challenges, and future directions. Sustainability, 13(12), 6607.
Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., ... & Amodei, D. (2020). Language models are few-shot learners. arXiv preprint arXiv:2005.14165.
Bullock, J., Luccioni, A., Pham, K. H., Lam, C. S. N., & Luengo-Oroz, M. (2020). Mapping the landscape of artificial intelligence applications against COVID-19. Journal of Artificial Intelligence Research, 69, 807-845.
Choudhury, A., & Asan, O. (2020). Role of artificial intelligence in patient safety outcomes: Systematic literature review. JMIR Medical Informatics, 8(7), e18599.
Davenport, T., & Kalakota, R. (2019). The potential for artificial intelligence in healthcare. Future Healthcare Journal, 6(2), 94-98.
de Oliveira, R. A., Araújo, F. H., Cardoso, M. V., Soares, S., & Araújo, J. G. (2021). Artificial intelligence applications in public healthcare: A systematic review. Research on Biomedical Engineering, 37, 389-403.
Heaven, W. D. (2020). OpenAI's new language generator GPT-3 is shockingly good—and completely mindless. MIT Technology Review. https://www.technologyreview.com/2020/07/20/1005454/openai-machine-learning-language-generator-gpt-3-nlp/
Hengstler, M., Enkel, E., & Duelli, S. (2016). Applied artificial intelligence and trust—The case of autonomous vehicles and medical assistance devices. Technological Forecasting and Social Change, 105, 105-120.
Kaul, V., Enslin, S., & Gross, S. A. (2020). History of artificial intelligence in medicine. Gastrointestinal Endoscopy, 92(4), 807-812.
Khademi, M. (2020). Towards trustable machine learning. Science, 369(6507), 1065-1066.
Kumar, A., & Srinivasan, K. (2020). Applications of artificial intelligence in academic writing: A literature review. Computational Intelligence, 36(4), 1156-1179.
Munigala, V., Mishra, S., & Cheeti, A. (2021). Explainable artificial intelligence application for health: Recent trends, challenges and potential solutions. Artificial Intelligence Review, 54(8), 6319-6346.
Nilsson, N. J. (2009). The quest for artificial intelligence: A history of ideas and achievements. Cambridge University Press.
Pierson, E., Cutler, D. M., Leskovec, J., Mullainathan, S., & Obermeyer, Z. (2021). An algorithmic approach to reducing unexplained pain disparities in underserved populations. Nature Medicine, 27(1), 136-140.
Saleh, A., Rasheed, H. A., & Habeeb, A. A. (2020). The impact of different factors on plagiarism detection using artificial intelligence. Journal of Information Technology Management, 12(Special issue), 121-137.
Siau, K. L., & Wang, W. (2020). Artificial intelligence (AI) ethics: Ethics of AI and ethical AI. Journal of Database Management, 31(2), 74-87.
Singh, J., Cobbe, J., & Norval, C. (2021). Decision provenance: Harnessing data flow for accountable systems. IEEE Access, 9, 31174-31200.
Smith, M. J., & Neupane, S. (2018). Artificial intelligence and human development: Toward a research agenda. IDRC, Ottawa, ON, CA.
Topol, E. J. (2019). High-performance medicine: The convergence of human and artificial intelligence. Nature Medicine, 25(1), 44-56.
Vaishya, R., Javaid, M., Khan, I. H., & Haleem, A. (2020). Artificial intelligence (AI) applications for COVID-19 pandemic. Diabetes & Metabolic Syndrome: Clinical Research & Reviews, 14(4), 337-339.
Vayena, E., Blasimme, A., & Cohen, I. G. (2018). Machine learning in medicine: Addressing ethical challenges. PLoS Medicine, 15(11), e1002689.
