ارزیابی چت باتهای هوش مصنوعی در تعیین بافت خاک با استفاده از داده های تحلیلی

امروزه کاربرد چت باتهای مبتنی بر مدلهای زبانی بزرگ در حوزههای مختلف به سرعت در حال گسترش است. در این میان دو چت بات ChatGPT و DeepSeek به صورت فراگیر به عنوان دستیار پژوهشی در علوم مختلف کاربرد دارند. این مطالعه با هدف ارزیابی عملکرد این دو چت بات در پژوهشهای علوم خاک به منظور تعیین بافت خاک صورت پذیرفت. برای انجام این مطالعه تعداد ۳۶ نمونه خاک که ۱۲ کلاس بافت خاک را هر کدام در ۳ تکرار شامل می شدند انتخاب گردید. توزیع اندازه ذرات نمونه های خاک شن، سیلت و رس در آزمایشگاه اندازه گیری و بافت خاک آنها مشخص و به عنوان بافت استاندارد در نظر گرفته شد. داده های توزیع اندازه ذرات با استفاده از چت باتهای ChatGPT-۳.۵ و DeepSeek-V۳ تحلیل و نتایج حاصله با نتایج بافت خاک استاندارد مقایسه شدند. نتایج نشان داد که چت باتهای ChatGPT و DeepSeek به ترتیب دارای درصد صحت ۷۷ و ۸۰.۵ و درصد خطای ۲۲ و ۱۹.۴ می باشند. در کل مقایسه نتایج حاصل از دو چت بات نشان داد که DeepSeek نسبت به ChatGPT در تعیین بافت خاک نمونه های مورد مطالعه عملکرد بهتری داشته است. در کل می توان گفت اگرچه چت باتها توانایی کاربرد موثر در پژوهشهای علوم خاک را دارا می باشند و به عنوان یک ابزار کمکی برای دسترسی سریع به اطلاعات و منابع اولیه عمل می نمایند اما نمی توانند به طور کامل جایگزین تجربه و دانش پژوهشگران شوند.

کلیدواژه ها:

چت جی پی تی ، دیپ سیک ، علوم خاک ، مدلهای زبانی بزرگ