在打開人工智能工具之前,一個簡單問題可能非常有用:我應否在這項工作使用人工智能?

Benita Olivier 與 Michael Rowe 為博士研究者設計的決策指南,把這個停頓轉化為四個實際問題:工作屬於機械性還是智力性?這是否我需要發展的能力?我能否為輸出的每個部分作出解釋?我是否具備足夠知識辨認錯誤?

這些問題能保護學習與個人問責。然而,在健康專業教育中,它們只是起點。人工智能的使用也可能影響病人、學生、同事、院校與社群。較新的 Health CARE-AI 框架讓我們看見這份更廣泛的共同責任。

第一個決定:我應否使用人工智能?

原有指南區分機械性與智力性工作。人工智能或可協助例行格式整理,但當工作旨在發展推理、綜合、寫作或專業判斷時,便需要更審慎。

流暢的成品不能證明學習已發生。如果我正在發展一項能力,應先作出有意義的嘗試,再讓人工智能檢視、挑戰或修訂。若我不能解釋結果或辨認錯誤,就未適合依賴它。

為何個人判斷並不足夠

即使物理治療學生能解釋人工智能輔助的答案,仍未回答病人資料是否被適當上載、是否需要同意、系統有否令某些群體處於不利位置,以及院校是否提供認可而可及的工具。

負責任使用人工智能不能只依靠學生做得更好。教師、臨床團隊、院校與科技供應者同樣塑造了負責任使用是否可行。

Health CARE-AI 帶來甚麼

Sonnenberg 等人透過三階段修正式德爾菲共識研究建立 Health CARE-AI 框架,共有 303 名不重複參與者。框架涵蓋健康專業教育、研究與臨床照護中的人工智能專業規範。

Health CARE-AI 名稱中的 CARE-AI 指情境化、可問責、負責任及公平的人工智能。它並非只有四個字母的清單;原框架包括十項原則,分布於價值、能力、問責與結構性公平四個相互依存的領域。

  • 負責任使用人工智能是個人與集體共同的責任。
  • 使用者應誠實行事,並持續建立切合角色的人工智能素養。
  • 人工智能應補充而非取代人類判斷。
  • 使用必須符合法律、同意、私隱、知識產權及資訊管治要求。
  • 應主動處理輸出、設計、使用機會與管治中的偏見及不公平。
  • 人工智能的使用應與預期效益相稱,並考慮社會與環境可持續性。

健康專業教育的兩階段決定

我把兩份資源視為前後相連的階段,而不是互相競爭的框架。

  • 第一階段:我應否在這項工作使用人工智能?保護學習、作者身份、學科知識與解釋作品的能力。
  • 第二階段:如果使用,這種做法在專業上是否可辯護?檢視情境、問責安排、人類判斷是否仍居核心,以及利益與傷害如何分布。

第一階段可能容許使用,但第二階段仍可能否決。工具可以有教育價值,卻因需要可識別病人資料而不適合;答案可以準確,卻因部分學生不能使用而不公平。

四個實用視角

  • 情境:目的、環境與風險程度是甚麼?誰會受影響?哪些政策適用?
  • 問責:誰擁有並核實決定?使用方式能否公開及辯護?學生、教師、團隊與院校各有甚麼責任?
  • 責任:人工智能是否支援而非取代人類判斷?同意、私隱、知識產權、資料管治與可持續性是否得到處理?
  • 公平:系統會否複製偏見、排除某些人,或不平均地分配利益與傷害?

這四個視角是我用來連結兩份資源的實用方法,並不取代完整的原框架。

這對教學有何改變

人工智能專業規範不應只放在一節入門課,而應在課堂、模擬、研究及臨床學習中反覆出現。學生需要練習並解釋披露、核實、同意、偏見與適當依賴等決定。

教師發展同樣重要。若教師需要設計人工智能輔助評估、審批工具及指導學生,他們便需要切合角色的素養、受保障的專業發展時間與清晰的院校支援。我們不能要求學生遵守連教職員與制度也未準備好達到的標準。

框架並不等於成效證據

Health CARE-AI 提供經審慎建立的專業共識,但尚未證明採用框架能改善學習、專業實踐或病人成效。參與者亦主要來自加拿大、美國及其他英語高資源環境,應用於其他地方時需要情境判斷。

這些限制並不令框架失去價值,而是提醒我們把它視為課程、教師發展與管治的有力起點,並配合評估與調整。

我現在會問的問題

「我應否在這項工作使用人工智能?」仍是行動前很好的停頓。在健康專業教育中,我會再問:我們能否以切合情境、集體問責、專業負責及結構公平的方式使用人工智能?

這個轉變把討論由許可推進至專業判斷,也把責任由學生擴展至教師設計的學習活動、院校提供的工具、團隊維持的保障,以及專業所選擇保護的價值。

參考資料

  • Olivier, B., & Rowe, M. (2026). Should I use AI for this? A decision guide for doctoral researchers [決策指南]. Still Yours; Springer Nature. 原指南。
  • Sonnenberg, L. K., 等(2026)。Principles for responsible AI in health professions education, research, and care: Health CARE-AI Framework Delphi consensus study。JMIR Medical Education, 12, e91626。https://doi.org/10.2196/91626。