大语言模型在动物科学中的应用、挑战与负责任发展策略

《Journal of Animal Science》：ASAS-NANP SYMPOSIUM: MATHEMATICAL MODELING IN ANIMAL NUTRITION: The Evolution of Large Language Models and Their Impact on Animal Sciences

　　

摘要

大语言模型（LLM）的迅速崛起正在重塑科学景观，从早期的统计语言模型发展到能够跨学科综合知识的高级基于Transformer的架构。尽管其预测能力和可扩展性为数据分析、假设生成和决策支持开辟了新的途径，但在偏见、幻觉、可重复性和伦理治理方面仍存在担忧。在动物科学领域，LLM正逐渐应用于营养建模、动物健康、遗传选择和可持续性等方面的挑战。精准营养受益于LLM驱动的饲料和代谢数据综合，从而实现个体化喂养策略并提高资源效率。在动物健康方面，特定领域系统已展示了在诊断和流行病学监测中的应用。LLM正在增强基因组分析以加速标记物发现和育种优化，同时可持续性工作利用它们来模拟温室气体排放、饲料添加剂以及对气候胁迫的适应。值得注意的是，决策支持平台展示了领域专业LLM如何将机制性知识与预测分析相结合，从而增强知识传递并赋予 livestock 生产者力量。然而，过度依赖、在模型开发中递归复用LLM输出以及伪专业知识等风险凸显了人类监督的关键重要性。与嵌入生物因果关系的机制模型不同，LLM完全是数据驱动的，如果训练在条件不良的数据集上，可能会自信地传播错误。负责任的使用需要透明报告、验证和偏见审计，以及领域特定的微调。开源模型可以增强可重复性和信任，但也会引发财务和安全方面的担忧。LLM必须遵循透明、问责和公平的原则，以确保它们补充而非取代人类专业知识。通过推进研究和牲畜管理，如果负责任地部署，LLM具有支持可持续食品生产系统的潜力。大多数应用将依赖微调而非完全训练，这是更可持续和可适应的策略。本综述旨在促进动物科学家、营养建模师和推广专业人士在研究、教育和牲畜决策支持系统中对LLM的批判性素养和负责任采用。

图形摘要

在新标签页中打开 下载幻灯片

通俗摘要

大语言模型（LLM），如ChatGPT，是强大的人工智能系统，能够分析大量文本并生成有意义的回答。在动物农业中，这些工具正在开始改变农民、兽医和研究人员的工作方式。例如，LLM可以通过分析饲料成分数据来帮助优化牛只日粮，协助兽医诊断疾病，甚至模拟牲畜的温室气体排放。与通用聊天机器人不同，领域特定系统正在开发中以农业为重点。例子包括ExtensionBot，它从合作推广机构为农民提供基于科学的建议，以及SARAH，一个预测育肥牛瘤胃酸中毒风险的决策支持工具。这些应用展示了人工智能如何减少研究与实践之间的障碍，使复杂知识更易获取和可操作。同时，重要挑战依然存在：LLM有时会生成错误或偏见结果，它们严重依赖用于检索或训练的信息质量。本文解释了在动物科学研究和动物农业中使用LLM的机会和风险，并强调它们应该支持而非取代人类专业知识。当谨慎应用时，这些工具有潜力提高农场生产力、动物福利和环境可持续性。