國防醫學院大五
陳楷麟
我發現自己現在遇到學習或臨床的疑問時，第一個念頭經常不是「翻課本」或「查 UpToDate」，而是直接打開 ChatGPT。這樣的行為轉變並不是我刻意選擇的，而是很自然地發生在實習生活裡。AI 工具的即時、口語化、彈性高的回應方式，讓它成為我在學習過程中最常互動的對象之一。然而，這種便利性也讓我開始思考：當 AI 能快速給出答案，我還有在真正「學習」嗎？這些過程中，老師的角色又在哪裡？
從這些使用經驗出發，我嘗試整理出幾個觀察與思考，分享我如何看待 AI 在醫學教育中的角色轉變，以及對我們這一代醫學生學習方式的影響。
進入臨床實習後，我開始頻繁地使用人工智慧工具來輔助學習。相較於 Google 搜尋，AI 最大的優勢是「可以對話」：它接受自然語言提問，不需要我用關鍵字「猜」出答案的所在；而且回覆的速度快、語氣親切，即使我問得不夠精確，它也常能給出引導式的回應，幫我釐清問題核心。這讓我在忙碌的臨床生活中，更願意主動提問。
不過，我也很快碰到了限制。例如，在請 AI 協助我閱讀英文文獻、整理重點時，我常常覺得它提供的摘要太過簡略，有些重要資訊會被忽略，尤其是當原文內容較為複雜或專業時。與其倚賴它整理，我反而更常請它「翻譯成中文」，再由我自己判斷重點。這一方面是因為語言轉換比提煉重點來得可靠，另一方面也是因為我尚未掌握如何明確地下達「整理指令」——例如該怎麼設定重點層級？是要條列還是統整？需不需要引用？指令模糊時，AI 回應也容易流於籠統。
這段經驗讓我意識到，使用 AI 學習的門檻其實並不在「有沒有問題」，而是在「怎麼問問題」。從單向接收資訊，轉變為與 AI 互動，我需要更清楚地理解自己想知道什麼、需要什麼形式的答案。某種程度上，AI 的出現反而倒逼我必須更有邏輯地整理思路，學會清楚表達與設定期望，慢慢的「磨」出問題。這也說明，在醫學學習中，「怎麼問問題」正在成為新的基本功。
在臨床上，我也觀察到許多老師其實並不排斥學生使用 AI，有些甚至會鼓勵我們「先問過 GPT，再來討論」。這樣的互動方式讓我覺得比較自在，也不必害怕一開始的問題太淺、太不成熟。先透過 AI 初步釐清脈絡，再用更精確的方式請教老師，能讓整體教學討論更聚焦，自己也更有參與感。
但這種方便性也潛藏著風險。例如，當 GPT 的回答看起來「有模有樣」，我可能會過早接受答案，而忽略了背後的邏輯推理與批判性分析。臨床決策並不是單純「對與錯」的判斷，而是一連串根據病人背景、症狀、檢查結果所形成的推論。這是目前 AI 難以完全複製的醫療思維過程，也是我目前在使用 GPT 時最需要提醒自己的部分。
AI 可以回答問題、翻譯文獻、解釋診斷邏輯，但它沒辦法理解我為什麼會問這個問題，也無法看出我知識結構中的斷層。這一點，臨床老師或學長姐就扮演了無可取代的角色。
我逐漸理解到，AI 並不是「取代老師」，而是讓老師可以把時間與心力從「傳授知識」轉向「培養能力」——例如引導我們如何問好問題、如何思考與決策、如何在資訊過多的時代建立可靠的學習路徑。這種從「灌輸式教學」走向「學習型引導」的角色轉換，或許正是 AI 時代給醫學教育帶來最根本的挑戰與契機。
作為一位即將畢業的醫學生，我對 AI 是否會取代醫師這個問題有一些自己的想法。醫學除了知識與技能外，還涉及人際互動、同理心、信任、倫理與責任等元素，這些在目前仍難以完全被機器模擬。AI 可以幫助判讀影像、整合資訊、優化診斷流程，但我不認為它能完全替代臨床醫師的角色。
不過，我相信 AI 勢必會改變「我們如何成為醫師」的過程。未來的醫學生，不僅要懂醫學，更要懂怎麼與 AI 協作：什麼時候可以信任它？什麼時候要回頭自己確認？怎麼讓病人知道我們的判斷有 AI 的協助，但也有我們自己的專業判斷？這些問題都值得我們現在就開始思考與練習。
AI 時代讓知識獲取變得前所未有的快速與輕鬆，但也讓我們必須重新思考什麼是「學會一件事」。身為實習醫學生，我深刻感受到：學習不再只是記住知識，而是學會問問題、整理資訊、建立判斷，甚至理解自己的無知。這些能力，靠 AI 本身教不會，反而要透過 AI 為工具，讓我們更自由地探索、更清楚地認識自己。
醫學教育的角色，或許就是幫助學生找到使用 AI 的方法，而非告訴學生 AI 是對還是錯。我想，AI 來了，老師仍在，而且比以往更不可或缺。
