通用AI模型可生成关于农业生态作物保护的可操作知识

生成式人工智能（AI）有潜力使科学知识民主化并将其转化为清晰、可操作的信息，但其在农业食品科学中的应用尚未被探索。在这里，我们验证了由基于网络的或非基于网络的大型语言模型（LLM）——即 DeepSeek 与免费版 ChatGPT——生成的农业生态作物保护科学知识。针对九种全球限制性害虫、杂草和植物病害，我们评估了每个LLM的事实准确性、数据一致性以及知识广度或数据完整性。总体而言，DeepSeek 始终筛选了 4.8-49.7 倍的文献语料库，并报告了比 ChatGPT 多 1.6-2.4 倍的生物防治剂或管理方案。因此，DeepSeek 报告了高 21.6% 的有效性估计，表现出更高的实验室到田间数据一致性，并展示了更真实的害虫身份和管理策略效果。然而，两个模型都产生了幻觉，即虚构了虚假的代理或参考文献，报告了不可能的生态相互作用或结果，混淆了新旧科学命名法，并遗漏了关键代理或方案的数据。尽管存在这些缺点，两个LLM都正确报告了低分辨率的有效性趋势。总体而言，在严格的人工监督下，LLM可能成为支持农场层面决策和释放科学创造力的强大工具。