人工智能如何帮助拯救濒危物种# 示例输入与输出**输入**人工智能（AI）是计算机科学的一个分支，旨在开发表现出人类智能的软件或机器。这包括从经验中学习、理解自然语言、解决问题以及识别模式。**输出**人工智能（AI）是计算机科学的一个分支，旨在开发表现出人类智能的软件或机器。这包括从经验中学习、理解自然语言、解决问题以及识别模式。
越来越多的研究人员开始借助人工智能（AI）来监测生物多样性，并加强保护濒危物种的努力。与可能扰乱生态系统或需要大量时间、人力和资源的传统方法不同，人工智能有能力快速而有效地分析大量真实世界的数据。“如果没有人工智能，我们永远无法实现联合国保护濒危物种的目标。”卡尔·查尔默斯（Carl Chalmers）说。他研究机器学习，是利物浦一家名为Conservation AI的英国非营利组织的成员，该组织利用人工智能技术开展多项生态保护项目。如今，物种灭绝的速度比数百万年前快了数百甚至数千倍，多达一百万种物种濒临灭绝。为此，联合国于2020年设定了一个目标，即在本十年结束前保护至少30%的陆地和海洋区域。国际非营利组织The Future Society的创始人、总部位于巴黎的尼古拉斯·米亚尔（Nicolas Miailhe）表示，人工智能虽“不完美”，但能加快重要发现的进程。“我们非常需要人类在流程中参与模型的设计，以及数据的收集、标注、质量检查和解读。”他补充道。**声音景观分析**德国维尔茨堡大学的生态学家约尔格·穆勒（Jörg Müller）和他的同事证明，人工智能工具可以通过音频记录识别动物物种，从而帮助量化热带森林的生物多样性。10月17日发表在《自然通讯》（Nature Communications）的一项研究中，研究人员利用人工智能分析了厄瓜多尔“乔科”地区的动物“声音景观”。乔科地区以物种丰富著称。研究人员在43块土地上放置了录音设备，这些土地代表了不同的恢复阶段：未受砍伐的原始森林、曾被砍伐后又被废弃并开始重新生长的区域，以及被用于可可种植和放牧的砍伐土地。他们将音频文件交给专家，专家成功识别出183种鸟类、41种两栖动物和3种哺乳动物物种。研究人员还将录音输入了一种名为卷积神经网络（CNN）的人工智能模型。该模型此前已用于识别鸟类声音，它成功识别出专家识别的75种鸟类。然而，该模型的数据集有限，只包含该地区可能出现的77种鸟类。“我们的结果表明，人工智能已准备好在热带地区通过声音进行更全面的物种识别。”穆勒表示。“现在所需要的是人类收集更多训练数据。”该研究团队指出，利用人工智能精准衡量再生森林的生物多样性，对于评估必须展示成效以获得持续资金支持的保护项目至关重要。**相机陷阱视频**Conservation AI的研究人员开发了模型，可以扫描无人机或相机陷阱拍摄的视频和图片，以识别野生动物，包括极度濒危的物种，并追踪动物的活动。他们建立了一个免费的在线平台，利用这一技术自动分析图像、视频或音频文件，包括实时相机陷阱视频和其他传感器数据，授权用户可以上传这些数据。用户还可以选择在上传的视频中发现目标物种时收到电子邮件提醒。迄今为止，Conservation AI已经处理了超过1250万张图像，识别出68个物种中超过400万次的个体动物出现，包括乌干达的穿山甲、刚果的大猩猩和马来西亚的红毛猩猩。“这个平台每小时可以处理数万张图像，而人类最多也只能处理几千张。”Conservation AI的主要研究人员之一保罗·费格斯（Paul Fergus）表示。“人工智能处理数据的速度可能让保护工作者能迅速应对脆弱物种面临的突然威胁，例如偷猎和火灾。”他补充道。Conservation AI已经通过实时分析视频成功抓获了一名盗猎穿山甲的嫌疑人。Conservation AI的工具可以识别来自相机视频中的物种。版权：Carl Chalmers, Paul Fergus（Conservation AI）除了实时监测生物多样性，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。研究人员已利用人工智能发现了一个淡水生态系统百年环境退化如何导致生物多样性丧失。尽管已有大量证据表明人类活动导致了河流和湖泊的生物多样性减少，但我们对哪些环境因素影响最大知之甚少。“长期数据是将生物多样性变化与环境变化联系起来，并设定可实现保护目标的关键。”英国伯明翰大学研究进化生物系统的卢伊莎·奥尔辛尼（Luisa Orsini）表示。奥尔辛尼和她的同事开发了一个模型，利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于《eLife》的一项研究中，研究团队从湖泊沉积物中获取了过去一个世纪由植物、动物和细菌留下的遗传物质。这些沉积层被年代测定后，从中提取了环境DNA进行测序。科学家们随后将这些数据与气象站的气候信息以及直接测量和全国调查中的化学污染数据结合，使用了一种专门设计用于处理多种类型信息的人工智能模型。奥尔辛尼表示，研究的目的是在这些“杂乱数据”中发现相关性。他们发现，杀虫剂和杀菌剂的存在，加上极端温度事件和降水，可解释湖泊中高达90%的生物多样性丧失。“从过去的学习中，我们展示了基于人工智能的方法在理解过去生物多样性损失驱动因素方面的价值。”该研究的合著者、同样来自伯明翰大学的周嘉瑞（Jiarui Zhou）表示。奥尔辛尼指出，使用人工智能的主要优势在于它不依赖假设，并且由数据驱动。“人工智能从过去的数据中‘学习’，并以迄今为止从未达到过的精度预测生物多样性的未来趋势。”米亚尔希望人工智能能在不久的将来被广泛应用于现实世界的保护工作中。“这显然是发展的方向。”他说。但他也警告说，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。本文获得授权转载，首发于2023年10月27日。
查看全文
作者最近更新
-
我们进化的历史可以教会我们人工智能的未来scientific
2023-11-11 -
“ChatGPT检测器”以前所未有的准确率识别人工智能生成的论文scientific2023-11-11
-
人工智能需要规则，但谁将拥有制定规则的权力？scientific2023-11-07
评论0条评论