研究利用深度學習預測城市交通事故，改進駕駛輔助系統。比較了Transformer、ARIMA和Prophet模型，分析特徵重要性，並介紹大型語言模型的即時干預，適用於自動駕駛。探討多模態學習，使用LLaVA和深度概率推理增強自動駕駛系統。總結指出，深度學習中大型多模態模型的優勢，提升時間序列預測和特徵權重重要性，尤其在自動駕駛情境中，透過數據驅動的決策，打造更安全、更智慧的城市。 PubMed DOI

大型語言模型（LLMs）如GPT-3已經改變了人工智慧領域，但在應對輻射緊急情況的應用尚未被充分探索。研究討論了LLMs如何協助理解和因應輻射緊急情況，並提出了潛在應用案例。研究強調了專家引導和領域特定的LLMs對於提供可靠資訊的重要性。該研究旨在協助輻射緊急情況從業人員和決策者有效地整合LLMs到其決策過程中。 PubMed DOI

介紹了一個新的研究，提出了「分心駕駛語言模型」（DDLM），利用視覺大型語言模型（LLM）來辨識分心駕駛行為。DDLM整合了人體姿勢估計技術，分析關鍵姿勢特徵，並透過推理鏈框架提供清晰解釋。研究顯示，DDLM在評估駕駛行為和風險水平方面比標準模型表現更佳，可有效增進駕駛安全性。 PubMed DOI

研究探討了大型語言模型（LLMs）在可持續政策制定上的應用，並介紹了結合人類和人工智慧的智能框架。進行了性能測試，比較了人類和人工智慧在制定可持續政策的表現。總結了七個步驟的方法，強調了人類智慧對改進智能系統的重要性。結果顯示LLMs的優缺點，並強調了人類智慧在提升智能系統中的關鍵作用。該框架提供了一種方法，以實現在可持續決策過程中的無偏見結果。 PubMed DOI

這段文字討論了人工智慧在教育人們有關脊椎健康的重要性。它強調了對全面的人工智慧評估的需求，並支持在醫療保健領域實施嚴格的人工智慧法規。 PubMed DOI

近期LLMs如ChatGPT在醫療保健領域受歡迎，但也帶來安全和倫理風險。為因應此挑戰，提出新方法評估LLMs在臨床護理中的可行性，強調安全、個人化護理和倫理。透過跨學科知識整合和文獻回顧，確定關鍵評估領域。由專家進行同行評審，確保科學嚴謹。在臨床腫瘤護理中評估九種LLMs後，有些被推薦使用，有些謹慎使用或不可使用。推薦使用特定領域的LLMs可支持醫療專業人員的決策。 PubMed DOI

本章探討自2000年代末以來，城市作為人類主要居住空間的重要性，以及理解城市環境對人類行為和感知的影響。首先分析城市設計與社會行為的關聯，並著重於城市形態學及現代數據收集技術。接著，利用先進的人工智慧模型模擬全球21個城市中人與環境的互動，評估這些模型在捕捉人類行為複雜性方面的有效性。研究結果顯示人工智慧在城市研究和政策中的潛力，並強調對這些技術進行批判性評估的重要性，以確保其有效運用於城市環境的理解與塑造。 PubMed DOI

這篇評論針對地震區域的交通策略，旨在幫助城市規劃者和政策制定者。文章探討了如何加強規劃和管理緊急需求，評估地震對交通系統的影響，以制定準備、減災、應對和恢復的策略。選擇的方法受到交通系統、城市化程度和建成環境等因素影響。此外，文章介紹了一種名為ALARM的新方法，利用大型語言模型（如OPEN-AI DAVINCI-003）進行全面評論，顯示人工智慧與人類在信息分析上的合作潛力。 PubMed DOI

這項研究評估了大型語言模型ChatGPT-4在從微型交通事故的臨床筆記中提取頭盔使用狀態的效果。研究人員比較了文本搜尋和LLM兩種方法，發現低、中等詳細程度的提示下，兩者一致性中等，而高詳細程度則幾乎完美，但耗時較長。LLM在有效性上表現良好，但在可靠性和一致性上仍有問題，經常出現錯誤。總體來說，雖然LLM在信息提取上效率高，但在臨床應用中仍面臨挑戰。 PubMed DOI

這篇論文介紹了一個創新的低成本模擬駕駛評估系統，搭載語音助手，利用生成式人工智慧進行即時互動。這種模擬器提供比傳統實地評估更安全且可自訂的選擇，解決了高成本的問題。系統旨在提升駕駛者的情境意識，並促進正向情緒，幫助識別需要進一步評估的駕駛者。初步結果顯示，與語音助手互動的參與者在駕駛表現和情緒狀態上都有所改善。 PubMed DOI