生成式人工智慧可提升個人創造力，但可能限制集體創新，因為內容相似。實驗顯示，對於缺乏創意的作者，使用AI點子有助提升創造力和寫作品質。然而，AI生成的故事相似度高，可能降低多樣性。這個困境凸顯個人創造力與集體創新的取捨。對支持創造力的研究者、政策者和從業者具啟發意義。 PubMed DOI

「AI 科學家」是一種創新的生物醫學研究方法，旨在設計 AI 系統來增強人類能力，而非取代人類。這些 AI 代理能進行懷疑式學習和推理，與人類研究者有效合作。透過整合先進的 AI 模型與生物醫學工具，它們能分析大量數據、探索假設並自動化重複性任務，簡化研究過程。這些代理還能持續學習，保持最新的科學知識，應用於虛擬細胞模擬、新療法開發等領域，促進生物醫學研究的進步。 PubMed DOI

這篇論文探討生成式人工智慧（GenAI）對研究生醫學教育（GME）的影響，指出其帶來的機會與風險。機會包括減輕電子健康紀錄的負擔、增強臨床模擬、個性化教育、支持研究與分析，以及改善臨床決策。不過，論文也提到風險，如AI輸出不準確、過度依賴AI資訊、學術誠信問題、潛在偏見及隱私風險。隨著GenAI技術的進步，理解其優缺點將變得相當重要。 PubMed DOI

這篇論文探討人工智慧（AI）在醫學，特別是學術外科中的重要性，強調其在影像識別、臨床決策和行政任務的應用。大型語言模型如GPT-4和Google的Bard在文本生成上帶來變革，能協助外科醫生撰寫手稿和申請補助。不過，AI的使用也引發了偏見、透明度和智慧財產權等倫理問題。論文回顧了AI的運作、潛在偏見及其負責任使用的重要性，並提出在學術和臨床環境中應強調透明度和倫理訓練的指導方針。 PubMed DOI

這篇論文探討大型語言模型（LLMs），特別是GPT-3.5和GPT-4，在數據提取和呈現的有效性，並與人類策展人比較。研究聚焦於小麥和大麥的遺傳特徵，使用36篇期刊文章的資料供GrainGenes數據庫使用。主要發現包括：GPT-4在分類手稿準確率達97%，有效提取80%特徵，並顯示人類與AI合作的潛力。儘管LLMs有其限制，但在生物數據提取上仍能提供顯著幫助，使用者需謹慎對待不準確性。 PubMed DOI

這份報告探討了X-LoRA-Gemma大型語言模型（LLM）的應用，這是一個擁有70億參數的多代理生成式人工智慧框架，專注於分子設計。模型結合人類與AI的合作，透過雙重推理策略來優化分子互動，並使用主成分分析等技術識別目標性質。生成的候選分子顯示出預期的特性，報告預測這些AI技術將在分子工程中越來越普遍，並提供創新解決方案，同時也討論了相關的挑戰與機會。 PubMed DOI

生成式人工智慧（GenAI）為教育帶來創新，能提升教師和學生的動機及學習效果。雖然對學術不端的擔憂存在，但它能簡化課程設計、減少評估時間，並提供個性化反饋，支持翻轉教室和遊戲化等教學方法，促進互動學習。對學生而言，GenAI 促進自主學習，增強知識保留，提升動機。然而，整合過程中也需面對準確性、技術變革及社會經濟差異等挑戰。負責任地應用 GenAI，能使教育更可及和個性化，讓學習者和教師皆受益。 PubMed DOI

生成式人工智慧（AI），特別是大型語言模型（LLMs），在生物醫學和健康領域的專業環境及教育中影響深遠。研究顯示，LLMs在醫學執照考試、臨床問題解答等方面表現不亞於人類。這篇評論強調了LLMs的成就，並探討了可能妨礙專業知識和技能發展的挑戰，提供最佳實踐建議以應對這些問題。儘管存在挑戰，學生和教職員理解並運用這項技術仍然至關重要。 PubMed DOI

生成式AI正加速新藥研發，能深入分析複雜生物和化學資料。這篇綜述介紹主流AI模型、分子表徵和評估方式，並說明在蛋白質交互、藥物設計等應用。雖然潛力大，但還有模型解釋性差、資料不足等挑戰。文中也建議用混合模型、資料增強、雲端運算等方法來突破，並強調跨領域合作的重要性。 PubMed DOI

生成式AI正加速新藥開發、蛋白質與基因研究，也推動個人化醫療和農業創新，像是培育更優良作物。它還促進合成生物學和永續發展。不過，資料隱私和公平性等倫理問題也要一起重視，才能確保負責任的應用。 PubMed DOI