越来越多的研究人员正在转向人工智能 (AI) 来监测生物多样性，并加大力度帮助濒危物种。与可能扰乱生态系统或需要大量时间、劳动力和资源的传统方法不同，人工智能有潜力快速有效地分析海量真实世界数据。
“如果没有人工智能，我们将永远无法实现联合国保护濒危物种的目标，”卡尔·查尔默斯说，他是在英国利物浦的非营利组织 Conservation AI 研究机器学习的学者，该组织将人工智能技术用于各种生态项目。
物种消失的速度比数百万年前快数百到数千倍，有多达一百万个物种濒临灭绝。为了应对这种情况，联合国在 2020 年设定了一个目标，即到本十年末保护地球至少 30% 的陆地和海洋。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。通过购买订阅，您将有助于确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
总部位于巴黎的国际非营利组织“未来社会”的创始人尼古拉斯·米艾勒表示，人工智能“并不完美”，但可以加速重要的发现。“我们非常需要从业人员参与进来，以设计模型，以及收集、标记、质量检查和解释数据，”他说。
声景分析
德国维尔茨堡大学的生态学家约尔格·穆勒和他的同事们已经表明，人工智能工具可以通过从录音中识别动物物种，来帮助量化热带森林的生物多样性。
在 10 月 17 日发表在《自然通讯》杂志上的一项研究中，研究人员使用人工智能分析了厄瓜多尔乔科地区（以其丰富的物种多样性而闻名）的动物“声景”。他们将录音机放置在代表不同恢复阶段的 43 块土地上：未受森林砍伐影响的森林、已被清理但随后被废弃并开始再生的区域，以及积极用于可可种植园和牧场的森林砍伐土地。他们将音频文件交给专家，专家能够识别出 183 种鸟类、41 种两栖动物和 3 种哺乳动物。
研究人员还将他们的录音输入到一种称为卷积神经网络 (CNN) 的人工智能模型中，该模型已开发用于识别鸟鸣声。卷积神经网络能够识别出专家识别出的 75 种鸟类，但该模型的数据集有限，仅包含可能在该地区出现的 77 种鸟类。“我们的结果表明，人工智能已准备好从声音中对热带地区的物种进行更全面的识别，”穆勒说。“现在所需要的只是人类收集的更多训练数据。”
该团队表示，使用人工智能精确测量再生森林的生物多样性对于评估生物多样性项目至关重要，这些项目必须证明其成功才能获得持续的资金。
相机陷阱拍摄的影像
Conservation AI 的研究人员开发了可以搜索无人机或相机陷阱拍摄的影像和图像的模型，以识别野生动物（包括极度濒危物种）并追踪动物的活动。
他们建立了一个免费的在线平台，该平台使用该技术自动分析图像、视频或音频文件，包括来自实时相机陷阱拍摄的影像和其他传感器的数据，经批准的用户可以上传这些数据。用户可以选择在他们上传的影像中发现感兴趣的物种时收到电子邮件通知。
到目前为止，Conservation AI 已经处理了超过 1250 万张图像，并检测到 68 个物种的超过 400 万次个体动物出现，包括乌干达的濒危穿山甲、加蓬的大猩猩和马来西亚的猩猩。“该平台每小时可以处理数万张图像，而人类最多只能处理数千张，”Conservation AI 的首席研究员之一保罗·弗格斯说。“人工智能处理数据的速度可以让自然资源保护主义者快速保护脆弱物种免受突发威胁，例如偷猎和火灾，”他补充道。Conservation AI 已经通过实时分析影像抓获了一名穿山甲偷猎者。
Conservation AI 的工具可以从相机影像中识别物种。图片来源：卡尔·查尔默斯、保罗·弗格斯 (Conservation AI)
除了实时监测生物多样性外，人工智能还可以用于模拟人类活动对生态系统的影响，并重建历史变化。研究人员已经使用人工智能来发现一个淡水生态系统中一个世纪的环境退化是如何导致生物多样性丧失的。
尽管人类活动已导致河流和湖泊的生物多样性丧失已得到充分证明，但对于哪些环境因素的影响最大知之甚少。“长期数据对于将生物多样性的变化与环境变化联系起来，并确定可实现的环境保护目标至关重要，”英国伯明翰大学研究进化生物系统的路易莎·奥尔西尼说。
奥尔西尼和她的同事开发了一种模型，该模型使用人工智能将生物多样性与历史环境变化联系起来。在今年早些时候发表在《eLife》杂志上的一项研究中，该团队获得了过去一个世纪以来植物、动物和细菌遗留在湖泊沉积物中的遗传物质。沉积物层经过年代测定，并提取环境 DNA 进行测序。
然后，科学家们将这些数据与来自气象站的气候信息以及来自直接测量和国家调查的化学污染数据相结合，使用旨在处理各种类型信息的人工智能。奥尔西尼说，目的是识别“混乱”数据中的相关性。
他们发现，杀虫剂和杀真菌剂的存在，以及极端温度事件和降水，可以解释湖泊中高达 90% 的生物多样性丧失。“通过从过去学习，我们展示了基于人工智能的方法在理解过去生物多样性丧失驱动因素方面的价值，”该研究的合著者周家瑞说，他也在伯明翰大学工作。
奥尔西尼说，使用人工智能的主要好处是它是无假设且数据驱动的。“人工智能从过去的数据中‘学习’，并以前所未有的更高精度预测生物多样性的未来趋势。”
米艾勒希望人工智能可以在不久的将来常规地应用于现实世界的保护工作。“这显然是未来的方向，”他说。但他警告说，人工智能会消耗计算能力和物质资源，这最终会对生态系统产生不利影响。“环境影响评估应成为人工智能风险管理的核心，”他说。
本文经许可转载，并于 2023 年 10 月 27 日首次发表。