Исследователи под руководством Мичиганского университета проверили, можно ли с помощью языковых моделей находить сведения о взаимодействиях видов в комментариях к наблюдениям за природой. В двух тематических примерах Claude и ChatGPT отбирали записи на платформах iNaturalist и eBird и распределяли их по типам взаимодействий. По данным пресс-релиза университета от 12 октября 2026 года, Claude классифицировал почти 500 комментариев за шесть минут. Студентке та же задача заняла восемь часов.

Что именно искали в комментариях

В одном примере изучали бабочку и растения, которые она опыляет на западном побережье США и в Мексике. Для этого использовали наблюдения с iNaturalist. Во втором случае исследователи искали в комментариях на eBird описания взаимодействий между птицами Мичигана: например, кормления, драки у кормушки или совместного пребывания в стае.

Исследователи составили для Claude и ChatGPT инструкции: находить подходящие комментарии и определять, какое взаимодействие в них описано. Такие сведения легко пропустить среди множества записей. Наблюдатель может рассказать о встрече животных обычными словами, не используя научные термины.

Допустим, кто-то написал: «Птица у кормушки прогнала другую». Модель могла бы отнести этот комментарий к конкуренции между животными. Это вымышленный пример, а не цитата из исследования. Подобранные записи экологи могли бы использовать для изучения взаимодействий, но точность выводов зависела бы от того, правильно ли модель поняла комментарии.

По сообщению университета, модели извлекали и классифицировали взаимодействия с хорошей точностью и прецизионностью. Однако пресс-релиз не приводит численных оценок и не сообщает, сколько ошибок допустили модели. Поэтому по опубликованным в нём данным нельзя измерить надёжность метода. Сравнение времени касается одной выборки: студентка классифицировала почти 500 комментариев с eBird за восемь часов, а Claude справился с той же задачей за шесть минут.

В качестве результата проверки исследователи отметили свидетельства распространения неместных растений в экосистемах западного побережья США. Это исследование-проверка концепции, включившее два тематических случая. В доступном описании нет прямого сравнения с полевыми наблюдениями экологов, поэтому работа не показывает, что ИИ может заменить такие наблюдения или насколько хорошо метод сработает на других платформах и в других регионах. Описание подходов к подготовке научных статей доступно в отдельном разделе.

Схема показывает путь от наблюдения любителя природы и его комментария через отбор и классификацию языковой моделью к набору данных для экологического анализа

Фото: James Kampeis / Pexels