研究探討如何利用大型語言模型（LLMs）協助資料素養較低者理解複雜的視覺化，結果顯示LLM能有效幫助使用者理解圖表並鼓勵進一步探索。然而，過度依賴LLM代理人可能導致洞察不足，呈現潛在風險。研究建議妥善平衡利用LLMs提升視覺化素養的方法。 PubMed DOI

這篇文章討論了ChatGPT在獸醫學中的應用，包括臨床、教育和研究領域。強調了使用ChatGPT需負責任，避免問題並考慮道德議題。提供了學習資源和實例，幫助獸醫、教育者和研究人員充分利用ChatGPT。 PubMed DOI

這個教程強調大型語言模型（LLMs）在行為科學中的潛力，並指出像Hugging Face這樣的開源框架在透明度和可重現性上的優勢。它提供了使用這些工具的入門指南，包括特徵提取、模型微調和生成行為反應，並附有可執行的代碼，還在GitHub上分享。教程也探討了可解釋性和安全性挑戰，並提供了語言建模與行為科學交集的未來研究機會的見解。 PubMed DOI

在這個迷你系列的第二部分，我們探討了多種機器學習工具，這些工具能自動從龐大的獸醫臨床數據中提取資訊，像是小動物獸醫監測網絡（SAVSNET）和VetCompass的資料。由於數據量龐大，手動閱讀不切實際，而傳統文本挖掘方法也常因臨床筆記的複雜性而無法應對。 我們介紹了從簡單模型到先進語言模型的各種技術，特別是語言模型在記錄標註和主題識別中的應用。隨著模型的進步，研究人員與臨床醫生的合作變得更重要，以確保結果的可解釋性，增強對結論的信心。 PubMed DOI

大型語言模型（LLMs）如ChatGPT進入教育領域，將透過創新的對話方式改變學習體驗。為了幫助學生更好利用ChatGPT，教師需了解學生的互動方式，但缺乏相關數據使得這一點變得困難。 為了解決這個問題，我們在碩士資料視覺化課程中收集了48名學生的對話數據，並創建了編碼方案來分析互動模式。我們開發的StuGPTViz視覺分析系統能追蹤學生提問時間及ChatGPT回應質量，為教育者提供有價值的見解。研究顯示，StuGPTViz能增強教師對ChatGPT教學價值的理解，並開啟AI驅動的個性化學習解決方案的研究機會。 PubMed DOI

生成式人工智慧（AI）正在迅速改變病理學教育，特別是大型語言模型和多模態工具的應用。這些技術能提供個性化學習體驗、簡化內容開發，並提高資源的可及性，支持學習者和教育者的培訓過程。案例研究顯示，整合這些技術能提升教育效果，但也需注意倫理影響和潛在風險。未來成功的關鍵在於AI專家與醫學教育者的合作，確保人類監督和透明度，強化教育者在病理學中的角色。 PubMed DOI

基因組時代的來臨促進了高通量數據和先進計算方法的發展，幫助我們探索植物抗逆境的遺傳與功能。儘管有許多實驗和分析技術，但龐大的數據量仍帶來挑戰。深度學習模型在預測基因結構和功能方面表現優異，並在農業高通量表型學中越來越常見。這篇綜述強調了數據資源和生物信息學工具，以及機器學習和人工智慧在植物抗逆境研究中的應用，並展示如何利用大型語言模型（如ChatGPT）創建相關知識圖譜，促進跨領域合作。 PubMed DOI

這篇文章擴展了七部分系列中的介紹，重點在生成式人工智慧（Gen AI）在病理學和醫學的潛力。探討了Gen AI的應用，包括自訂聊天機器人生成診斷報告、合成影像訓練模型、數據集增強及教育情境生成。文章分類了開源與閉源模型，討論了GPT-4、Llama、Mistral、DALL-E和Stable Diffusion等流行模型的框架與限制，並回顧了所需的基本工具。最後，展望了Gen AI對醫療未來的影響，並討論隱私、偏見、倫理等相關挑戰。 PubMed DOI

這項研究探討了GPT-4在檢測和分類狗的情緒方面的效果。研究分為兩個階段，第一階段針對各種寵物情緒分類，準確率為50.2%；第二階段專注於狗，準確率提升至76.7%，因為使用了更好的提示和專門數據集。分析顯示，正確預測通常與視覺線索一致，但模糊案例仍具挑戰性。整體而言，這項研究顯示生成式AI在動物情緒檢測的潛力，並強調針對性數據集和提示設計的重要性。 PubMed DOI

這篇論文評估了兩個大型語言模型（LLMs）的視覺素養，分別是 OpenAI 的 GPT 和 Google 的 Gemini。研究目的是建立它們在視覺化能力上的基準。雖然這些模型在生成描述和圖表設計上有潛力，但它們的視覺化評估能力仍未被充分檢視。透過修改過的 53 項視覺素養評估測試（VLAT），結果顯示這些 LLMs 的視覺素養水平低於普通公眾，且在回答問題時多依賴先前知識，而非視覺化呈現的信息。 PubMed DOI