科学语境下文本到图像生成式 AI 模型的比较分析：以核电为例
计算机与社会
2023-12-05 v1
摘要
在这项工作中，我们提出并评估了生成式人工智能 (AI) 在围绕潜在清洁能源产生公众参与方面的潜力。此类应用可以提高能源素养——即公众对低碳能源的认识，从而促使更多人参与到有关能源系统未来的决策中。我们探索了使用生成式 AI 向公众传达有关低碳能源的技术信息，特别是在核能领域。我们探索了 20 个 AI 驱动的文本到图像生成器，并比较了它们在一般和科学核相关提示上的单独表现。在这些模型中，DALL-E、DreamStudio 和 Craiyon 在根据与核主题相关的一般文本生成相关图像方面表现出良好的性能。然而，这些模型在三个关键方面存在不足：(1) 它们未能准确表示能源系统的技术细节；(2) 它们再现了能源领域中关于性别和工作的现有偏见；(3) 它们未能准确表示原住民景观——这些景观在历史上一直是能源行业资源开采和废物沉积的场所。这项工作旨在推动专用生成工具及其说明文字的开发，以提高能源素养并有效地让公众参与到低碳能源中。
引用
@article{arxiv.2312.01180,
title = {A Comparative Analysis of Text-to-Image Generative AI Models in Scientific Contexts: A Case Study on Nuclear Power},
author = {Veda Joynt and Jacob Cooper and Naman Bhargava and Katie Vu and O Hwang Kwon and Todd R. Allen and Aditi Verma and Majdi I. Radaideh},
journal= {arXiv preprint arXiv:2312.01180},
year = {2023}
}
备注
26 pages, 11 figures, 9 tables, submitted to review