越來越多的研究人員正在轉向人工智慧 (AI) 來監測生物多樣性，並加大力度幫助瀕危物種。與可能擾亂生態系統或需要大量時間、勞動力和資源的傳統方法不同，人工智慧有潛力快速有效地分析海量真實世界資料。
“如果沒有人工智慧，我們將永遠無法實現聯合國保護瀕危物種的目標，”卡爾·查爾默斯說，他是在英國利物浦的非營利組織 Conservation AI 研究機器學習的學者，該組織將人工智慧技術用於各種生態專案。
物種消失的速度比數百萬年前快數百到數千倍，有多達一百萬個物種瀕臨滅絕。為了應對這種情況，聯合國在 2020 年設定了一個目標，即到本十年末保護地球至少 30% 的陸地和海洋。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您將有助於確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
總部位於巴黎的國際非營利組織“未來社會”的創始人尼古拉斯·米艾勒表示，人工智慧“並不完美”，但可以加速重要的發現。“我們非常需要從業人員參與進來，以設計模型，以及收集、標記、質量檢查和解釋資料，”他說。
聲景分析
德國維爾茨堡大學的生態學家約爾格·穆勒和他的同事們已經表明，人工智慧工具可以透過從錄音中識別動物物種，來幫助量化熱帶森林的生物多樣性。
在 10 月 17 日發表在《自然通訊》雜誌上的一項研究中，研究人員使用人工智慧分析了厄瓜多喬科地區（以其豐富的物種多樣性而聞名）的動物“聲景”。他們將錄音機放置在代表不同恢復階段的 43 塊土地上：未受森林砍伐影響的森林、已被清理但隨後被廢棄並開始再生的區域，以及積極用於可可種植園和牧場的森林砍伐土地。他們將音訊檔案交給專家，專家能夠識別出 183 種鳥類、41 種兩棲動物和 3 種哺乳動物。
研究人員還將他們的錄音輸入到一種稱為卷積神經網路 (CNN) 的人工智慧模型中，該模型已開發用於識別鳥鳴聲。卷積神經網路能夠識別出專家識別出的 75 種鳥類，但該模型的資料集有限，僅包含可能在該地區出現的 77 種鳥類。“我們的結果表明，人工智慧已準備好從聲音中對熱帶地區的物種進行更全面的識別，”穆勒說。“現在所需要的只是人類收集的更多訓練資料。”
該團隊表示，使用人工智慧精確測量再生森林的生物多樣性對於評估生物多樣性專案至關重要，這些專案必須證明其成功才能獲得持續的資金。
相機陷阱拍攝的影像
Conservation AI 的研究人員開發了可以搜尋無人機或相機陷阱拍攝的影像和影像的模型，以識別野生動物（包括極度瀕危物種）並追蹤動物的活動。
他們建立了一個免費的線上平臺，該平臺使用該技術自動分析影像、影片或音訊檔案，包括來自即時相機陷阱拍攝的影像和其他感測器的資料，經批准的使用者可以上傳這些資料。使用者可以選擇在他們上傳的影像中發現感興趣的物種時收到電子郵件通知。
到目前為止，Conservation AI 已經處理了超過 1250 萬張影像，並檢測到 68 個物種的超過 400 萬次個體動物出現，包括烏干達的瀕危穿山甲、加彭的大猩猩和馬來西亞的猩猩。“該平臺每小時可以處理數萬張影像，而人類最多隻能處理數千張，”Conservation AI 的首席研究員之一保羅·弗格斯說。“人工智慧處理資料的速度可以讓自然資源保護主義者快速保護脆弱物種免受突發威脅，例如偷獵和火災，”他補充道。Conservation AI 已經透過即時分析影像抓獲了一名穿山甲偷獵者。
Conservation AI 的工具可以從相機影像中識別物種。圖片來源：卡爾·查爾默斯、保羅·弗格斯 (Conservation AI)
除了即時監測生物多樣性外，人工智慧還可以用於模擬人類活動對生態系統的影響，並重建歷史變化。研究人員已經使用人工智慧來發現一個淡水生態系統中一個世紀的環境退化是如何導致生物多樣性喪失的。
儘管人類活動已導致河流和湖泊的生物多樣性喪失已得到充分證明，但對於哪些環境因素的影響最大知之甚少。“長期資料對於將生物多樣性的變化與環境變化聯絡起來，並確定可實現的環境保護目標至關重要，”英國伯明翰大學研究進化生物系統的路易莎·奧爾西尼說。
奧爾西尼和她的同事開發了一種模型，該模型使用人工智慧將生物多樣性與歷史環境變化聯絡起來。在今年早些時候發表在《eLife》雜誌上的一項研究中，該團隊獲得了過去一個世紀以來植物、動物和細菌遺留在湖泊沉積物中的遺傳物質。沉積物層經過年代測定，並提取環境 DNA 進行測序。
然後，科學家們將這些資料與來自氣象站的氣候資訊以及來自直接測量和國家調查的化學汙染資料相結合，使用旨在處理各種型別資訊的人工智慧。奧爾西尼說，目的是識別“混亂”資料中的相關性。
他們發現，殺蟲劑和殺真菌劑的存在，以及極端溫度事件和降水，可以解釋湖泊中高達 90% 的生物多樣性喪失。“透過從過去學習，我們展示了基於人工智慧的方法在理解過去生物多樣性喪失驅動因素方面的價值，”該研究的合著者周家瑞說，他也在伯明翰大學工作。
奧爾西尼說，使用人工智慧的主要好處是它是無假設且資料驅動的。“人工智慧從過去的資料中‘學習’，並以前所未有的更高精度預測生物多樣性的未來趨勢。”
米艾勒希望人工智慧可以在不久的將來常規地應用於現實世界的保護工作。“這顯然是未來的方向，”他說。但他警告說，人工智慧會消耗計算能力和物質資源，這最終會對生態系統產生不利影響。“環境影響評估應成為人工智慧風險管理的核心，”他說。
本文經許可轉載，並於 2023 年 10 月 27 日首次發表。