图1 ChatGPT与AIGC联合使用
Fig.1 ChatGPT combined with AIGC
专家约稿
中国是世界渔业生产大国，渔业目前已成为国民经济不可缺少的重要组成部分。渔业不仅为人们提供了丰富的食物来源，还承担着保护水域生态、促进经济发展和维护社会稳定的重要职责。然而，全球旺盛的蓝色蛋白需求与渔业资源承受能力不足的矛盾日益凸显，为保障渔业资源的可持续开发，各国纷纷采取了“捕-养”结合的可持续发展模式[1-9]。在此过程中，不仅采用控制渔业捕捞量、限制渔期和设立保护区等措施来实现野生资源的可持续利用，还通过大力提升水产养殖业的科技水平来提高养殖产品的质量和产量[10]。随着科技的进步，大量先进技术助推了渔业的发展，如无人机和卫星监测技术可用于鱼群追踪和渔场巡视，智能渔网设计可减少捕获非目标物种的风险，渔业数据分析和预测模型可帮助预测渔获量和市场需求，自动捕鱼设备和自动装卸设备可提高捕捞效率和减少劳动力需求等[11-14]。
近年来，人工智能技术发展迅速，其中，ChatGPT在各个领域都有广泛的应用[15-21]，且其推广速度惊人，如其仅用5 d时间就达到了100万用户[22]，引起了学术界和工业界的高度关注[23-29]。在医疗领域，ChatGPT通过分析患者数据和诊断数据来提供相应的诊疗方案[30]；在教育领域，ChatGPT能为学生生成学术测试，并针对测试结果量身定制个性化家庭作业，以提高学生学习效率[31]。ChatGPT作为辅助工具与各领域融合，不但能够帮助人们完成一些烦琐数据的计算整理工作，还能结合大数据算法为人们提供建议与选择。然而，有关渔业领域与ChatGPT的融合研究鲜有报道。
新质生产力是指通过引入新技术、新方法或新理念，提高生产效率和产品质量的能力。这种新的生产力不仅关注提高生产数量，还注重提高产品的附加值、品质和创新能力，以满足市场需求，并提升产业竞争力。在渔业领域，新质生产力可能涉及技术创新、管理创新和市场创新等方面，ChatGPT的应用可助推渔业新质生产力的产生与发展，提高渔业生产效率和竞争力，促进产业的可持续发展。本文结合渔业发展现状，综述了ChatGPT在渔业领域的应用潜能，以期为渔业智慧化和精准化发展提供新思路。
人工智能(AI)和自然语言处理(NLP)的快速发展导致了日益复杂和多功能语言模型的发展[25，32-33]。生成式人工智能是指一类人工智能模型，可以根据现有数据模式和结构来创建新数据，这些模型可以生成各个领域的内容，如文本、图像和音乐等[34-37]，其依靠深度学习技术和神经网络来分析、理解并生成与人类输出非常相似的内容[38-39]。其中，OpenAI开发的人工智能模型ChatGPT(generative pre-trained transformer)是一种专注于对话生成的语言模型，其能够根据用户的文本输入产生相应的智能回答。通过大量的输入文本和对话练习，ChatGPT可以像人类一样流畅地回答各种问题(图1)。ChatGPT也可以与其他AIGC模型、GIS和数字孪生技术等数字化工具联合使用，获得更加实用的功能。
图1 ChatGPT与AIGC联合使用
Fig.1 ChatGPT combined with AIGC
自2018年起，OpenAI就开始发布生成式预训练语言模型GPT，其使用RLHF(reinforcement learning from human feedbac)技术对ChatGPT进行训练，并加入大量人工监督环节进行调整，用于生成文章、代码和翻译等各类内容。在此过程中，每一代GPT模型的参数量均为爆炸式增长，2019年发布的GPT-2模型参数量为15亿，2020年发布的GPT-3模型参数量则达到1 750亿(图2，表1)。
表1 GPT-1、GPT-2、GPT-3和GPT-4模型的比较分析
Tab.1 Comparative Analysis of GPT-1，GPT-2，GPT-3 and GPT-4 models
模型model发布日期released date模型参数model parameter窗口context window预训练数据量pre-training datasize数据来源source of data学习目标learning targetGPT-12018年6月1.17亿参数,12层,76维度512标记序列约5 GB书籍语料库,维基百科无监督学习GPT-22019年2月15亿参数,48层,1 600维度1 024标记序列40 GB网络文本多任务学习GPT-32020年5月1 750亿参数,96层,12 888维度2 048标记序列45 TB公共网络数据情境学习GPT-42023年3月未公布8 195标记序列未公布未公布多模态学习
图2 ChatGPT的发展历程
Fig.2 Development of ChatGPT
ChatGPT可以同时处理较长和较短的文本序列，且不需要使用循环神经网络结构，从而加快了训练速度和处理效率；在预训练过程中，ChatGPT使用了海量的文本语料库进行模型训练，从而使其具有更好的语言理解、生成和回答能力，可以用于多种自然语言处理任务与文本数据的处理，在问答系统、客服对话和一些其他领域的自动化服务中被广泛使用，与人类交互产生社会效应[37，40](图3)。
图3 ChatGPT 模型的工作流程
Fig.3 Methodological work flow for the ChatGPT model
ChatGPT是一个强大的语言模型，非常适合解决那些涉及语言理解和生成任务的问题，如以下方面。
知识问答：ChatGPT拥有大量的学习数据和强大的处理能力，可以回答各种历史、科学、文化及日常生活等知识性问题。
文本创作：ChatGPT可以编写故事、诗歌，以及生成新闻摘要等，它的语言生成能力使其能够创作出较为流畅且具有一定逻辑的文本。
对话生成：ChatGPT可用于构建聊天机器人或虚拟助手，模拟真实的对话，可根据用户给出的上下文及语境等，理解用户的用意并做出相应回答。
语言翻译：尽管ChatGPT不是专门的翻译工具，但它的语言理解能力使其在某些情况下可以进行基本的语言翻译。
代码编写与解释：对于编程相关的问题，ChatGPT也可以提供一定的帮助，比如解释代码的功能或提供简单的代码片段。
逻辑推理：ChatGPT可以在一定程度上进行逻辑推理，帮助用户分析和解决问题。
ChatGPT在不同应用中解决问题的效率，很大程度上取决于具体的应用场景和任务需求。在对话系统和客服机器人领域，ChatGPT能够提供流畅自然的对话体验，帮助解决客户的问题和需求；在社交媒体和聊天应用中，ChatGPT可以提供有趣的闲聊和娱乐功能，以增强用户的互动体验；在教育领域，ChatGPT可以根据学生的学习能力和兴趣，提供个性化的学习计划和资源，以提高学习效果；在金融服务和投资理财方面，ChatGPT可以帮助用户做出更明智的投资决策，提供智能投资和理财建议。然而，在某些特定场景下，ChatGPT的解决效果也会受到一些限制和挑战。如在处理恶意攻击和误导性问题时，ChatGPT的应对能力相对薄弱，可能无法完全准确地理解和回答。此外，对于某些特定领域或复杂问题，ChatGPT的解决效果可能也会受到一定限制。因此，在使用ChatGPT时，用户还需要根据实际需求和场景进行选择和调整，并结合其他工具和资源，以获得最佳的解决效果。
渔业数据分析是对渔业相关数据进行收集、整理和分析的过程，旨在揭示渔业资源、渔业市场和渔业管理方面的趋势和模式，其在渔业生产中扮演着重要的角色。渔业数据分析的重要性主要体现在：一是，可以了解渔业资源的数量与类型、渔业活动的规模与水平等，包括渔业生产活动中所使用的资源、技术和设备等信息，以及渔业经济、社会和生态等方面的数据，帮助渔业管理机构更好地监测和管理渔业活动；二是，可以识别影响渔业经济效益的因素，如分析捕捞成本、产量、价格和收益等数据指标，确定渔业活动的经济效率和盈利能力，进而为渔民和相关利益者提出解决方案和策略；三是，可以帮助评估渔业活动的可持续性，评估资源回收率、渔船利用率和非目标物种的捕获量等指标；四是，可以识别渔业活动可能产生的环境问题，并提出改进措施，为渔业决策者提供重要的决策支持和参考；五是，合理利用渔业数据分析结果，加强渔业资源保护，实现经济、社会和环境的可持续发展。
ChatGPT可以帮助用户解释查询渔业数据，提供特定的渔业数据，回答用户询问的相关详细解释、特征和趋势等问题，从而帮助用户更好地理解数据含义。ChatGPT还可以帮助评估和分析渔业资源的状况，通过对渔业数据(如渔获量、种群数量和保护区数据等)的分析，为决策者提供智力支持，使其能够制定出更科学和可持续的渔业资源管理措施。ChatGPT在渔业中的应用非常广泛，能够发挥巨大的作用，主要表现在以下方面。
1)渔业育种。渔业育种的重要性不言而喻，它直接关系到渔业资源的可持续发展和水产品供应的稳定性。渔业育种有助于提升水产养殖动物的生长速度和产量，增强动物的抗病性和适应性，改善动物的肉质并提高其营养价值，对于保护生物多样性也具有重要意义。ChatGPT能够解读和分析与水产养殖动物育种相关的遗传信息，如基因型和表型数据，通过学习遗传数据的模式和规律，预测潜在的新品种特征，帮助育种专家更准确地选择和培育适应特定环境和需求的水产养殖动物品种。在基于大量历史数据和当前养殖环境信息分析下，ChatGPT能够推荐适合特定水产养殖动物的育种方案，通过分析水质、温度和饲料等因素优化育种过程，提高育种的效率和成功率。同时，在渔业育种领域，数据可视化对于理解和分析数据至关重要，ChatGPT可以帮助生成描述水产养殖动物生长、繁殖和抗病性等关键特征的代码，从而生成直观的图表和图像，这有助于育种专家更清晰地识别关键特征，提取有用信息并进行深入分析。
2)渔业养殖技术。ChatGPT通过处理和分析养殖数据，明确水产养殖动物的分布、数量和质量，并基于这些数据，制定出更加科学的养殖计划，帮助养殖者寻找更加适宜的养殖区域，从而提高养殖效益。ChatGPT还可实时收集和分析水产养殖过程中产生的各类数据，如水质、温度和氧气含量等，以评估养殖环境的健康状况，监测水产养殖活动对水域生态系统的影响，及时发现和防控污染事件，从而保护水域生态环境的稳定性和完整性。
3)渔业病害。ChatGPT可以帮助收集、整理和分析养殖过程中发生的病害数据，包括病害的种类、发生频率、分布区域和影响范围等，通过对其深入分析，可以更好地了解渔业病害的特点和规律，为制定有效的防治策略提供科学依据。基于历史数据和实时监测数据，ChatGPT还可以建立病害预测和预警模型，预测病害的发生趋势和可能的影响范围，这有助于相关机构和渔民提前采取措施，减少病害造成的损失。
4)渔业生产效率评估。ChatGPT可以帮助用户评估渔业生产效率，根据常用的评估指标(如渔获单位成本、渔业资源回收率、渔船利用率和渔业经济效益等)进行分析，帮助用户了解渔业活动的效益和资源利用情况。ChatGPT还可以进行效率前沿分析，进而提出改进和优化建议。此外，通过与GIS等数据联合分析，ChatGPT可以检查、核实和汇总捕捞数据，帮助监测渔业资源的分布及健康状况，分析渔业管理政策实施情况和管理措施效果，以指导未来管理政策的制订和执行(图4)。
图4 ChatGPT与GIS结合分析渔业分布
Fig.4 Combining ChatGPT and GIS to analyze fishery distribution
5)渔业资源监测与利用。ChatGPT与数字孪生技术联合使用，通过数字孪生模型和传感器数据，实时监测渔业资源的变化和环境因素的影响。ChatGPT可以作为一个智能监测系统，通过与模型的对话，提供实时的资源状态更新、环境预测和渔获量预估。同时，利用数字孪生技术帮助识别和评估渔业活动中的潜在风险因素，如资源过度捕捞、不良天气条件等，ChatGPT还可以作为一个智能预警系统，根据数字孪生模型和实时数据输出风险评估报告，并给出相应的风险管理建议。
尽管ChatGPT可以处理大量的数据和信息，但其也存在一定局限性：一是，ChatGPT的回答是基于训练数据集中的模式和模型，因此，其会受到数据偏好和训练限制的影响，可能无法提供精确、基于专业知识的分析结果，特别是对于复杂的渔业问题；二是，用户所提供数据的质量和可靠性对于渔业数据分析至关重要，ChatGPT无法验证数据的准确性和源头，因此，用ChatGPT进行数据分析时，用户需要确保所提供数据质量较高且较为可靠；三是，ChatGPT只能通过对话提供对渔业数据的分析，而无法更深入地考虑外部因素对渔业的影响，如气候变化和政策变化等因素均会对渔业资源和活动产生重大影响；四是，由于ChatGPT是基于固定训练数据集和模型构建的，而渔业数据是动态的，需要及时更新渔业数据才能反映现实情况，故ChatGPT的分析结果可能无法及时更新。因此，为了更好地解释和分析渔业数据，需要开发更加精准的传感器技术，为不同类型渔业数据提供连续的、精准的渔业数据，以确保模型的真实可信。
渔业资源状况与环境变化、季节更替、人类活动和洋流变化等因素密切相关，数据来源广且维度多，现有技术难以快速呈现渔业资源各因素之间的关系，这限制了渔业资源的可持续发展(图5)。在渔业资源管理中，应用ChatGPT可以高效分析与预测渔业资源状况，其与全息投影等技术结合能够催生新质生产力，实现渔获量、种群数量和保护区数据等信息的全息投影，可为决策者随时调用数据的全息影像数据，制定更科学的渔业资源管理措施提供技术支持。
图5 渔业资源影响因素
Fig.5 Factors influencing fishery resources
在渔业育种技术中，应用ChatGPT可以智能化地分析基因、蛋白和调控因子等因素的现有数据，明晰各因素间的内部关系，通过整合基因组、蛋白组和代谢组等方法开发出更为多元的全新技术体系，从而助推育种新质生产力的快速产生，为模块化控制水生生物性状提供最新工具。
在池塘养殖、工厂化养殖、深海网箱和养殖工船等智能化养殖中，应用ChatGPT可智慧分析水产养殖动物行为、投喂方式和饵料成分等数据，为养殖人员制定出不同养殖品种适养方案，优化现有地理及气象环境条件下的养殖品种、养殖模式和养殖规模。ChatGPT还能升级投喂机器人负反馈系统，构建新型智能无人渔场，实现远程监控并实施渔场作业。此外，ChatGPT与数字孪生技术结合后可创建新型的渔业系统虚拟模型，如渔业资源、渔船运营、捕捞活动和养殖场景等，通过数字孪生模型模拟渔业场景，新质生产力将有效提高渔业养殖及捕捞效率，减少环境影响。大语言模型的嵌入还可以突破年龄及文化程度限制，扩大使用者范围，惠及所有渔业从业者。
在防病减灾中，应用ChatGPT分析病害种类、病情程度与病症表象之间的关系，辅以大语言模型和图像系统，可使渔业从业者通过染病水生生物的照片即可识别病害种类并获取防治方案。
综上，ChatGPT助推的渔业新质生产力将极大地促进渔业业态的升级，使得渔业交互性更强、具象化程度更高，进而助推无人化智慧渔场的发展。
ChatGPT的交互性能和大数据预测能力能够汇总现有渔业数据，为从业者提供更具针对性的解决方案，为渔业的发展提供了新思路(图6)。
图6 ChatGPT交互式信息获取方式
Fig.6 ChatGPT interactive Q&A information
在渔业育种方面，基于丰富的渔业育种知识和数据，ChatGPT可以根据育种目标、环境条件及种质资源的特点，为育种专家提供个性化的育种方案，包括合理的育种方法、技术路线及可能的风险防范措施等。ChatGPT还可以协助育种专家进行遗传性状的分析与预测，通过对种质资源的基因序列、表达模式等遗传信息进行深度挖掘，帮助育种专家揭示鱼类遗传性状的分子机制，预测可能的性状表现，为育种过程中的选择决策提供科学依据。
在渔业养殖技术方面，ChatGPT能够解答渔业养殖者关于养殖技术、疾病防治和饲料配比等方面的疑问，通过与ChatGPT进行对话，养殖者可以获得专业的建议和指导，以帮助他们更好地应对养殖过程中的挑战。ChatGPT还可以提高现有养殖监控系统的自动化水平，实现养殖过程的远程管理、控制和预警。
在渔业病害方面，ChatGPT能够为渔业从业者提供病害的识别和诊断支持，通过输入病害症状、发病环境等相关信息，ChatGPT能够利用其强大的语言处理能力，分析并给出可能的病害类型和原因，从业者可以快速而准确地识别病害，为后续的治疗和防控工作提供参考。ChatGPT还可以综合利用大量的渔业病害数据及环境信息数据，为渔业从业者提供个性化的防控手段，包括改善养殖环境、适时调整饲料配方、选择合适药物及治疗方法，进而减少水生生物疫病的发生。
随着ChatGPT应用的普及，其存在的无法引申、能耗高及迟滞性等问题逐渐显现，具体体现在以下几个方面。
1)在未经过大量反馈训练的领域，ChatGPT缺乏基本的常识和引申能力，当用户寻求正确答案时，ChatGPT有可能会给出模糊甚至错误的答案。同时，ChatGPT无法处理冗长复杂的语言结构，对于渔业养殖潜能等专业度极高的综合问题，由于缺乏足够的训练，ChatGPT可能无法生成适当的回答。
2)ChatGPT需要大量的算力以支持其训练，其服务器成本巨大，所需的训练模型及相关资源成本高昂，在面向用户时难以采取免费策略。此外，用户在使用ChatGPT时要考虑其安全性，须高度关注是否会存在信息泄露等可能性。
3)由于ChatGPT采取的是大量对话反馈式预训练模型，因此，其无法及时将线上的新信息纳入其中，即其无法紧跟最新信息，具有一定的滞后性，所提供的答案有可能不是当下的最优解。
尽管ChatGPT具有出色的对话交互能力，使大众对对话机器人(ChatBot)的好感有明显提升，但ChatGPT技术仍然存在较大的局限性，还需要与各行业深度融合不断进步。
目前，ChatGPT人工智能模型在渔业领域的应用仍处于探索和发展阶段，但其在渔业发展的数据分析、资源管理和技术信息支持方面具有巨大的应用潜力，主要包括以下几个方面。
1)利用ChatGPT进行智能化工厂养殖管理。ChatGPT可以处理和分析工厂化养殖过程中的大量数据，包括水产养殖动物的生长数据、饲料消耗及疾病发生率等。基于这些数据，ChatGPT可以帮助预测养殖结果，从而优化养殖策略，提高养殖效率，同时还可根据动物的需求和环境的实时数据，自动调节养殖场温度、湿度和光照等条件，为水产养殖动物提供舒适的生活环境等。
2)利用ChatGPT进行水产养殖动物健康监测与病害预警。ChatGPT可以通过对养殖动物的行为、生理指标等进行分析，实现对动物健康状况的实时监测。一旦检测到异常情况，ChatGPT可以迅速发出预警，以便养殖人员及时采取措施，防止疾病扩散，保障水产养殖动物的健康。
3)利用ChatGPT进行水产养殖动物遗传信息解读与优化品种选择。ChatGPT能够解读和分析与水产养殖动物育种相关的遗传信息。通过学习遗传数据的模式和规律，预测潜在的新品种特征，帮助育种专家更准确地选择和培育适应特定环境和需求的水产养殖动物品种。
4)利用ChatGPT进行智能推荐育种方案。基于大量历史数据和当前养殖环境信息，ChatGPT能够推荐适合特定水产养殖动物的育种方案，并通过分析各种因素(如水质、温度和饲料等)优化育种过程，提高育种效率和成功率。
5)利用ChatGPT进行渔业资源预测。ChatGPT可以通过分析历史渔业数据，预测未来渔业资源的分布和数量，帮助渔民合理安排捕捞计划，减少资源浪费。
6)利用ChatGPT构建智能渔船辅助系统。ChatGPT可以通过高度智能化分析能力及海量信息构建智能渔船辅助系统，为渔民提供导航、捕捞策略建议和天气预报等一站式服务，提高渔船的安全性和作业效率。
7)利用ChatGPT提供捕捞建议。ChatGPT可以通过图像识别技术，实时分析渔船捕捉到的水产动物，准确识别不同种类的物种等，从而帮助渔民更好地管理捕获物。此外，基于历史数据和实时环境信息，ChatGPT可以提供数据驱动的捕捞建议，如最佳捕捞时间、地点和方式等。在捕捞船队运作时，根据资源分布和捕捞需求，ChatGPT还可以智能调度捕捞船队，优化捕捞作业安排等。
8)利用ChatGPT进行水产品质量检测。ChatGPT可以通过分析水产品的外观、质地等特征，实现水产品的自动分级和质量检测，提高水产品的市场竞争力。
9)利用ChatGPT进行渔业政策分析。ChatGPT可以通过对渔业政策进行文本挖掘和分析，评估相关政策对渔业发展的影响，为政策制定者提供决策支持。
10)利用ChatGPT构建渔业知识问答系统。ChatGPT基于巨大且覆盖广泛的渔业信息数据库构建的渔业知识问答系统，可为渔民提供便捷的渔业知识查询和解答服务，提高渔民的专业知识水平。
11)利用ChatGPT进行渔业市场分析。ChatGPT可以通过分析渔业市场数据，预测市场趋势和消费者需求，为渔业企业的市场策略制定提供有益参考。
12)利用ChatGPT进行海洋环境监测。ChatGPT技术能实现对海洋环境的实时监测和分析，可为海洋生态保护和渔业可持续发展提供智力支持。
13)跨界融合创新。ChatGPT技术与物联网、大数据等其他先进技术相结合，可实现渔业领域的跨界融合创新应用，推动渔业产业的转型升级。
14)将虚拟现实(VR)与ChatGPT结合。ChatGPT技术与VR技术联合，可构建渔业教育平台，使渔民通过虚拟环境模拟真实的渔业活动，提高其渔业技能水平和安全意识。
综上所述，ChatGPT在渔业领域的应用可以简化研究人员的工作环节，将经验变成可量化的数据模型，为科研人员的相关研究和探索提供思路与灵感。ChatGPT未来在渔业领域的应用研究广泛而深远，可助推渔业新质生产力的产生与发展，有望为渔业产业的可持续发展提供有力支持。
[1] ASCHE F,GARLOCK T M,ANDERSON J L,et al.Three Pillars of sustainability in fisheries[J].Proceedings of the National Academy of Sciences of the United States of America,2018,115(44):11221-11225.
[2] CHAN C Y,TRAN N,PETHIYAGODA S,et al.Prospects and challenges of fish for food security in Africa[J].Global Food Security,2019,20:17-25.
[3] DUDAYEV R,HAKIM L L,RUFIATI I.Participatory fisheries governance in Indonesia:are octopus fisheries leading the way?[J].Marine Policy,2023,147:105338.
[4] BADJECK M C,ALLISON E H,HALLS A S,et al.Impacts of climate variability and change on fishery-based livelihoods[J].Marine Policy,2010,34(3):375-383.
[5] KEMP P S,SUBBIAH G,BARNES R,et al.The future of marine fisheries management and conservation in the United Kingdom:lessons learnt from over 100 years of biased policy[J].Marine Policy,2023,147:105075.
[6] SMITH H,BASURTO X.Definingsmall-scale fisheries and examining the role of science in shaping perceptions of who and what counts:a systematic review[J].Frontiers in Marine Science,2019,6:236.
[7] KHAN M A,HOSSAIN M E,RAHMAN M T,et al.COVID-19’s effects and adaptation strategies in fisheries and aquaculture sector:an empirical evidence from Bangladesh[J].Aquaculture,2023,562:738822.
[8] CHOI J H,HICKMAN K E,MONAHAN A,et al.ChatGPT goes to law school[J].SSRN Electronic Journal.[2023-01-25].https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4335905.
[9] KRITZER J P,TANG Y,CHEN Y,et al.Advancing multispecies fishery management in China:lessons from international experience[J].Aquaculture and Fisheries,2023,8(3):351-362.
[10] FUNGE-SMITH S,BENNETT A.A fresh look at inland fisheries and their role in food security and livelihoods[J].Fish and Fisheries,2019,20(6):1176-1195.
[11] SUN M,LI Y Z,CHEN Y.Unveiling unselective fishing in China:a nationwide meta-analysis of multispecies fisheries[J].Fish and Fisheries,2023,24(1):142-158.
[12] SILVA A T,LUCAS M C,CASTRO-SANTOS T,et al.The future of fish passage science,engineering,and practice[J].Fish and Fisheries,2018,19(2):340-362.
[13] DOWLING N A,WILSON J R,COPE J M,et al.The FishPath approach for fisheries management in a data- and capacity-limited world[J].Fish and Fisheries,2023,24(2):212-230.
[14] MILLS K E,ARMITAGE D,EURICH J G,et al.Co-production of knowledge and strategies to support climate resilient fisheries[J].ICES Journal of Marine Science,2023,80(2):358-361.
[15] LEVKOVICH I,ELYOSEPH Z.Suicide risk assessments through the eyes of ChatGPT-3.5 versus ChatGPT-4:vignette study[J].JMIR Mental Health,2023,10:e51232.
[16] LIEBRENZ M,SCHLEIFER R,BUADZE A,et al.Generating scholarly content with ChatGPT:ethical challenges for medical publishing[J].The Lancet Digital Health,2023,5(3):e105-e106.
[17] KAARRE J,FELDT R,KEELING L E,et al.Exploring the potential of ChatGPT as a supplementary tool for providing orthopaedic information[J].Knee Surgery,Sports Traumatology,Arthroscopy,2023,31(11):5190-5198.
[18] HALEEM A,JAVAID M,SINGH R P.An era of ChatGPT as a significant futuristic support tool:a study on features,abilities,and challenges[J].BenchCouncil Transactions on Benchmarks,Standards and Evaluations,2022,2(4):100089.
[19] BAIDOO-ANU D,OWUSU ANSAH L.Education in the era of generative artificial intelligence (AI):understanding the potential benefits of ChatGPT in promoting teaching and learning[J].SSRN Electronic Journal,2023,12(9):52-62.
[20] EGLI A.ChatGPT,GPT-4,and other large language models:the next revolution for clinical microbiology?[J].Clinical Infectious Diseases,2023,77(9):1322-1328.
[21] DE ANGELIS L,BAGLIVO F,ARZILLI G,et al.ChatGPT and the rise of large language models:the new AI-driven infodemic threat in public health[J].Frontiers in Public Health,2023,11:1166120.
[22] LUBIANA T,LOPES R,MEDEIROS P,et al.Ten quick tips for harnessing the power of ChatGPT in computational biology[J].PLoS Computational Biology,2023,19(8):e1011319.
[23] TAECHARUNGROJ V.“what can ChatGPT do?” analyzing early reactions to the innovative AI chatbot on twitter[J].Big Data and Cognitive Computing,2023,7(1):35.
[24] MILLER M L,PETERSON M E,RANDOLPH J F,et al.Thyroid cysts in cats:a retrospective study of 40 cases[J].Journal of Veterinary Internal Medicine,2017,31(3):723-729.
[25] BISWAS S S.Role of chat GPT in public health[J].Annals of Biomedical Engineering,2023,51(5):868-869.
[26] CHAKA C.Detecting AI content in responses generated by ChatGPT,YouChat,and Chatsonic:the case of five AI content detection tools[J].Journal of Applied Learning &Teaching,2023,6(2):1-11.
[27] RAY P P.ChatGPT:A comprehensive review on background, applications, key challenges, bias, ethics, limitations and future scope[J].Internet of Things and Cyber-Physical Systems,2023, 3:121-54.
[28] CHATTERJEE S,BHATTACHARYA M,LEE S S,et al.Can artificial intelligence-strengthened ChatGPT or other large language models transform nucleic acid research?[J].Molecular Therapy Nucleic Acids,2023,33:205-207.
[29] RAJ R,SINGH A,KUMAR V,et al.Analyzing the potential benefits and use cases of ChatGPT as a tool for improving the efficiency and effectiveness of business operations[J].BenchCouncil Transactions on Benchmarks,Standards and Evaluations,2023,3(3):100140.
[30] CARUCCIO L,CIRILLO S,POLESE G,et al.Can ChatGPT provide intelligent diagnoses?a comparative study between predictive models and ChatGPT to define a new medical diagnostic bot[J].Expert Systems with Applications,2024,235:121186.
[31] GILL S S,XU M X,PATROS P,et al.Transformative effects of ChatGPT on modern education:emerging Era of AI Chatbots[J].Internet of Things and Cyber-Physical Systems,2024,4:19-23.
[32] MCGEE R W.Is ChatGPt biased against conservatives?an empirical study[J].SSRN Electronic Journal,2023,14(2):1-19.
[33] WU T Y,HE S Z,LIU J P,et al.A brief overview of ChatGPT:the history,status quo and potential future development[J].CAA Journal of Automatica Sinica,2023,10(5):1122-1136.
[34] ALI M J,DJALILIAN A.Readership awareness series-paper 4:Chatbots and ChatGPT-Ethical considerations in scientific publications[J].The Ocular Surface,2023,28:153-154.
[35] NAUMOVA E N.A mistake-find exercise:a teacher’s tool to engage with information innovations,ChatGPT,and their analogs[J].Journal of Public Health Policy,2023,44(2):173-178.
[36] RUDOLPH J,TAN S.ChatGPT:Bullshit spewer or the end of traditional assessments in higher education?[J].Journal of Applied Learning &Teaching,2023,6(1):342-363.
[37] MEYER J G,URBANOWICZ R J,MARTIN P C N,et al.ChatGPT and large language models in academia:opportunities and challenges[J].BioData Mining,2023,16(1):20.
[38] NAZIR A,WANG Z.A comprehensive survey of ChatGPT:advancements,applications,prospects,and challenges[J].Meta-radiology,2023,1(2):100022.
[39] HULMAN A,DOLLERUP O L,MORTENSEN J F,et al.ChatGPT- versus human-generated answers to frequently asked questions about diabetes:a Turing test-inspired survey among employees of a Danish diabetes center[J].PLoS One,2023,18(8):e0290773.
[40] CASCELLA M,MONTOMOLI J,BELLINI V,et al.Evaluating the feasibility of ChatGPT in healthcare:an analysis of multiple clinical and research scenarios[J].Journal of Medical Systems,2023,47(1):33.