生成式人工智慧（AI）可以增強像AgInjuryNews這樣的傷害監測系統，透過自動化任務、減少資源使用、改善數據分析和傳播。將AI整合到這些系統中，例如ChatGPT，可以使流程更加順暢，有助於改善農業傷害預防工作。 PubMed DOI

人工智慧在處理炎症性腸道疾病的護理方面有進展，可透過影像分析、文本理解和模擬臨床知識。AI能模仿專家的內視鏡評分，自動處理文件記錄和資訊搜尋，甚至產生類似人類的回應。隨著AI進步，可能提供更詳盡的IBD評估，增進影像分析，甚至實現全自動化護理。評論也討論了在IBD護理中應用和公平使用AI的議題。 PubMed DOI

水污染是全球性問題，影響超過20億人。根據聯合國教科文組織的報導，水污染可由自然現象或人類活動引起。為了解決這個問題，開發了一套即時視覺監控系統，結合攝影機、Raspberry Pi和大型語言模型（LLMs），能檢測七種主要污染物，如藻華、油污等。透過YOLOv5模型，系統能自主識別污染物並提供相關資訊，並即時警報當地當局，促進快速反應。這種創新方法對環境健康教育及水污染治理具有重要意義。 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

這篇評論強調智慧農業中控制作物疾病和害蟲的重要性，並指出這些問題對產量和品質的影響。文章聚焦無人機在農業健康監測中的應用，這些無人機搭載先進感測器，結合人工智慧和深度學習技術。研究透過文獻計量學方法，識別該領域的關鍵趨勢。 評論提供作物疾病和害蟲的基礎知識，討論傳統機器學習的表現，並總結深度學習技術的應用。最後，針對研究空白和挑戰，提出實用解決方案及未來建議。 PubMed DOI

這篇評論強調人工智慧（AI）在數位健康和生物工程等領域對環境的影響，特別是其能源需求和碳足跡常被忽視。雖然AI常被擬人化，強調「溫暖」和「關懷」，但這可能掩蓋其生態後果，並優先考量人類利益。分析呼籲轉變觀點，讓研究者認識AI的物質性和生態足跡，並提倡在AI設計中擺脫以人類為中心的思維，以促進對地球及其生命形式負責任的科學發展。 PubMed DOI

這篇文章探討感測器技術（如環境感測器、生物識別和物聯網設備）與對話式人工智慧（如ChatGPT 4.0）的整合。強調即時數據如何增強AI對環境和使用者情境的理解。內容涵蓋感測器網路的科學原理、數據處理技術，以及這些技術如何與生成模型結合，創造智能互動系統。主要主題包括ChatGPT分析感測器數據進行情境對話、醫療應用（如穿戴式感測器和AI聊天機器人）及智慧家庭互動，旨在促進感測器技術與AI開發的研究進展。 PubMed DOI

這篇文章探討了人工智慧（AI）在手稿寫作中的應用，指出其優勢與挑戰。雖然AI能提升寫作效率，但也需關注準確性及人類洞察力的缺失。文章強調制定有效提示的重要性，以發揮AI的潛力並創作高品質手稿。此外，還回顧了出版商的指導方針，確保負責任地使用AI。AI工具在文獻回顧、統計分析和語言精煉方面的協助也被提及。最終，文章主張應平衡使用AI與人類的創造力和批判性思維，才能做出有意義的貢獻。 PubMed DOI

這篇綜述探討卷積神經網絡（CNNs）在智慧農業的應用，涵蓋雜草與疾病檢測、作物分類、水資源管理及產量預測等領域。透過分析115項研究，文章強調科技如何提升農業效率，並介紹影像分類、分割、回歸和物件檢測等方法，利用RGB、多光譜、雷達和熱成像數據。CNNs應用於無人機和衛星數據，實現即時作物監測，助力農場管理。未來建議整合物聯網和雲端平台，改善數據可及性，以應對氣候變化和糧食安全挑戰。 PubMed DOI

番茄（<i>Solanum lycopersicum</i> L.）的栽培對全球營養和經濟有重要意義，但面臨如<i>Tuta absoluta</i>等害蟲威脅，影響產量並提高生產成本。傳統檢測方法勞動密集且易出錯，因此需要先進技術。本研究利用人工智慧，整合YOLOv8進行害蟲檢測與分割，並使用ChatGPT-4提供建議。結果顯示，該模型在檢測精確度上達98.91%，顯著優於傳統方法，並能為未受訓練的生產者提供即時諮詢，推動更環保的農業實踐。未來應專注於特定數據訓練以提升準確性。 PubMed DOI