記者 俞陶然

  上海人工智能實驗室昨天聯(lián)合崖州灣國家實驗室和中國農(nóng)業(yè)大學(xué)，發(fā)布了我國首個種業(yè)大語言模型“豐登”（SeedLLM）。在上海人工智能實驗室研發(fā)的大語言模型“書生·浦語”2.0基礎(chǔ)上，科研團隊輸入了科技文獻、產(chǎn)業(yè)實踐報告等海量專業(yè)數(shù)據(jù)，訓(xùn)練出具有強大理解和分析能力的種業(yè)大模型。它能降低育種領(lǐng)域的學(xué)習(xí)門檻，提升從業(yè)人員的研究和實踐效率，也為“人工智能+生物育種”開辟了探索路徑，將為我國糧食安全提供科技支撐。

  科研團隊介紹，科學(xué)高效的生物育種對糧食安全和經(jīng)濟效益意義重大，但由于作物和畜類品種的多樣性，育種信息一直缺乏統(tǒng)一的平臺，數(shù)據(jù)知識呈現(xiàn)出“孤島式”分布，給育種知識普及造成了壁壘。同時，由于生物育種涉及生物學(xué)、遺傳學(xué)、氣象學(xué)、土壤學(xué)等多學(xué)科交叉，專業(yè)人員在從事育種工作時不得不查閱眾多領(lǐng)域的文獻和數(shù)據(jù)，甚至需要編寫代碼進行數(shù)據(jù)訪問，工作效率受到很大限制。

  為此，上海人工智能實驗室聯(lián)合團隊提出了大模型賦能生物育種這一思路，把“豐登”訓(xùn)練成具有“AI研究員”潛力的大模型。它可通過自主學(xué)習(xí)，發(fā)掘生物、遺傳、氣象和土壤間的復(fù)雜關(guān)聯(lián)，形成新的知識結(jié)構(gòu)。育種領(lǐng)域涉及的知識資源包含學(xué)術(shù)文獻、田間日志和政府公示等，呈分散狀態(tài)。針對這種情況，科研人員對相關(guān)知識進行了深度挖掘，將文本信息中提煉出的知識匯聚到模型權(quán)重中，再將分散在不同文獻中的同一知識點進行整合歸納，最終使育種專業(yè)知識以結(jié)構(gòu)化的方式呈現(xiàn)。

  經(jīng)聯(lián)合攻關(guān)，這個大模型已具備品種選育、農(nóng)藝性狀、栽培技術(shù)、推廣區(qū)域等4個領(lǐng)域的解釋和回答能力。它采用自然語言對話接口，用戶可直接提出問題，并獲得易于理解的信息。

  種業(yè)領(lǐng)域的標準化人工評估評測顯示，這個大模型在最佳答案個數(shù)和綜合分數(shù)上的表現(xiàn)超出預(yù)期，超越了業(yè)界公認的高性能大模型Claude 3和GPT-4，其綜合得分是相關(guān)專業(yè)本科生的4.87倍。目前，隆平高科、正大集團、中國科學(xué)院、中國農(nóng)業(yè)科學(xué)院、上海市農(nóng)業(yè)科學(xué)院、廣東省農(nóng)業(yè)科學(xué)院、華中農(nóng)業(yè)大學(xué)、華南農(nóng)業(yè)大學(xué)、復(fù)旦大學(xué)等單位已加入“豐登”測試。