LLMs如ChatGPT在AI領域帶來革命性變革，對科研有幫助，但也帶來倫理挑戰。在醫學等領域可能影響公共衛生，快速生成文本可能散播錯誤資訊，形成「AI資訊疫情」。需要快速制定政策因應，準確檢測AI生成文本仍是挑戰。 PubMed DOI

像ChatGPT這樣的AI大型語言模型有潛力通過簡化任務和加速複雜過程，對生物學和環境科學產生巨大影響。儘管這些技術帶來許多好處，但也存在風險和潛在危害需要解決。通過了解和克服限制，這些進步有望顯著推動生物學和環境科學領域的發展。 PubMed DOI

研究發現，ChatGPT 3.5在回答年長者問題時表現最好，尤其是對於技術性問題。儘管對於黃斑部病變（AMD）提供了準確資訊，但仍有進步空間，特別是在處理更專業的問題上。 PubMed DOI

強調解決社會健康決定因素的重要性，特別是在COVID-19大流行時，以改善健康結果、減少健康不平等。討論數位健康和人工智慧在應對社會健康決定因素、增強疾病監測和病人照護的角色，如LLMs。提及數據標準化、基礎設施限制、數位素養和演算法偏見等挑戰，可能影響AI好處的公平獲取。建議採取多層次的數位包容作為社會健康決定因素的一部分，並全球性需要倫理AI框架，確保負責任的AI實踐。提出建議，彌合公平AI技術開發和實施之間的差距。 PubMed DOI

物聯網產生大量數據，但因處理和互通性限制，數據未被充分運用。歐洲提倡改善感應器數據訪問，尊重知識產權。新方法利用語言模型轉換數據，提高可重複使用性。GPT-4在實驗中表現出高精確度和召回率，顯示其潛力。 PubMed DOI

環境資料急速增加，需要高品質大數據分析來了解環境污染情況。機器學習是個強大工具，但在環境研究領域並不太普及。一個名為「ChatGPT + ML + Environment」的新研究方法旨在讓環境研究者更容易使用機器學習模型。ChatGPT可協助研究者進行資料準備、模型選擇、訓練、評估和優化。同時討論了這方法的挑戰和限制，並強調了未來應用中「次級訓練」的重要性。 PubMed DOI

ChatGPT等生成式人工智慧工具對各領域影響深遠，尤其對聯合國SDGs理解重要。研究顯示ChatGPT對SDGs有高素養，但仍需進一步提升。建議加強ChatGPT能力，以更貼近SDGs，同時謹慎應用人工智慧模型於可持續發展中。 PubMed DOI

機器學習進步，UV-NIR光譜分析更有效。傳統方法繁瑣，大型語言模型（LLMs）可簡化且節省時間。研究利用UV-NIR預測水樣COD濃度，LLM表現優異，R2值為0.931，RMSE值為10.966。LLM展現潛力，比傳統方法更為簡便。 PubMed DOI

大型語言模型（LLMs），像是OpenAI的ChatGPT，雖然能生成類似人類的文本，但在網路使用時會有數據隱私的風險，因為用戶資料會傳送到外部伺服器。為了解決這個問題，我們探討在安全的本地網路中使用開源的小型LLMs，特別是在需要保護數據的監管機構中。我們發現某些模型在少量或零樣本學習中表現不錯，甚至達到傳統神經網路的效果，顯示出在安全環境中使用開源LLMs的潛力。 PubMed DOI

這項研究評估大型語言模型（LLMs）在從科學文獻中提取生態數據的表現，並與人類審稿人進行比較。結果顯示，LLMs提取相關數據的速度超過50倍，對於離散和類別數據的準確率超過90%。不過，它們在某些定量數據的提取上仍有困難。雖然LLMs能顯著提升建立大型生態數據庫的效率，但仍需額外的質量保證措施來確保數據的完整性。 PubMed DOI