Decision support in recirculating aquaculture systems (RAS): A case study of a human–AI interface in prawn hatchery operation

水产养殖可持续和负责任生产的需要，要求创新性地实施循环水养殖系统（RAS），该系统极为复杂，需要整合各种科学和技术领域以实现理想的生产力。在本案例研究中，我们报告了一项为期四个月的观察，使用大型语言模型（LLM）与人类专业知识协作，分析和解决了罗氏沼虾（Macrobrachium rosenbergii）RAS孵化场中的复杂挑战。不可接受的幼体和后期幼体死亡率促使将AI决策支持系统作为战略管理伙伴纳入孵化场管理，从而能够在化学、生物、物理、工程和行为领域进行探索。AI代理建议的关键干预措施包括矿物质平衡重新校准、微生物负荷诊断、行为模式解码以及光照和水流工程。结果通过幼体死亡率的降低和幼体变态为后期幼体的比率提高来评估。该过程的核心是有一个指导性的人类实体，通过有意的提问和情境构建来引导AI的分析能力。本案例研究表明，AI有潜力改善集约化水产养殖系统。然而，AI代理倾向于过度简化复杂系统，需要人类专家的指导和引导来主导AI与人类的对话。在基于RAS的水产养殖中采用LLM，弥合原始数据与可操作见解之间的差距，有潜力推动水产养殖行业的效率和长期可持续性。