人工智能在生物多樣性領(lǐng)域的應(yīng)用及其挑戰(zhàn)

在當(dāng)今世界，生物多樣性正遭受前所未有的威脅。根據(jù)聯(lián)合國(guó)《生物多樣性和生態(tài)系統(tǒng)服務(wù)全球評(píng)估報(bào)告》的最新數(shù)據(jù)，目前有約100萬(wàn)種生物正徘徊在滅絕的邊緣，而這種狀況不僅危及地球生態(tài)系統(tǒng)的健康運(yùn)轉(zhuǎn)，更直接影響人類社會(huì)的可持續(xù)發(fā)展[1]。如何有效利用先進(jìn)技術(shù)，尤其是正蓬勃發(fā)展的人工智能（artificialintelligence，AI），以贏得這場(chǎng)與時(shí)間賽跑的保衛(wèi)戰(zhàn)，已成為生物多樣性領(lǐng)域的緊迫議題。

當(dāng)前沿科技與自然保護(hù)相遇，一場(chǎng)變革正悄然發(fā)生。從自動(dòng)化的物種監(jiān)測(cè)和精準(zhǔn)的個(gè)體識(shí)別，到生態(tài)系統(tǒng)變化的動(dòng)態(tài)預(yù)測(cè)，再到公眾參與機(jī)制的革新，以及保護(hù)地適應(yīng)性管理決策，AI的應(yīng)用正逐漸滲透到生物多樣性領(lǐng)域的各個(gè)方面。AI不僅為研究者和實(shí)踐者提供了強(qiáng)大的工具，還在改變著人們對(duì)于保護(hù)問(wèn)題的思考方式和保護(hù)行動(dòng)的實(shí)踐方法。

AI的發(fā)展歷程

AI是計(jì)算機(jī)科學(xué)的一個(gè)分支，旨在開發(fā)可執(zhí)行通常需人類智能才能完成的任務(wù)系統(tǒng)，這些任務(wù)包括學(xué)習(xí)、推理、問(wèn)題解決、感知、語(yǔ)言理解與生成、決策、視覺識(shí)別等。簡(jiǎn)言之，AI讓機(jī)器變得更“聰明”，可完成通常由人類來(lái)做的事情。然而，這項(xiàng)技術(shù)并非一蹴而就，而是建立在數(shù)十年不斷迭代與進(jìn)步的基礎(chǔ)上[2，3]。

1950年，英國(guó)數(shù)學(xué)家圖靈（A.MTuring）提出了著名的圖靈測(cè)試（TuringTest），這是一種判斷機(jī)器能否像人類那樣思考的方法。圖靈認(rèn)為，如果一臺(tái)機(jī)器能與人類對(duì)話，并且人類無(wú)法區(qū)分其對(duì)話的對(duì)象是人類還是機(jī)器，那么這臺(tái)機(jī)器就可被認(rèn)為具備智能。圖靈的理論為AI的發(fā)展奠定了基礎(chǔ)。1956年，在美國(guó)新罕布什爾州達(dá)特茅斯學(xué)院舉辦的一次會(huì)議上，AI概念被正式提出，并成為現(xiàn)代AI研究的起點(diǎn)。當(dāng)時(shí)的研究主要集中在邏輯推理和符號(hào)處理方面，例如開發(fā)基于邏輯規(guī)則的專家系統(tǒng)，以便用于模擬人類專家的決策過(guò)程。同樣在1950年代，研究者們開始探索機(jī)器學(xué)習(xí)，嘗試讓機(jī)器從數(shù)據(jù)中學(xué)習(xí)并提升自身的性能。1952年，國(guó)際商業(yè)機(jī)器公司的工程師塞繆爾（A.L.Samuel）開發(fā)了一種跳棋程序，其策略評(píng)估算法能通過(guò)自我改進(jìn)提升棋力；隨著對(duì)弈次數(shù)的增加，該程序的表現(xiàn)也越來(lái)越強(qiáng)。

到1980年代，AI研究引入了決策樹和人工神經(jīng)網(wǎng)絡(luò)等算法，使計(jì)算機(jī)能從數(shù)據(jù)中學(xué)習(xí)，并在沒(méi)有為特定任務(wù)進(jìn)行顯式編程的情況下做出預(yù)測(cè)或決策。隨著1990年代互聯(lián)網(wǎng)的興起和數(shù)據(jù)量的激增，深度學(xué)習(xí)逐漸成為AI研究的焦點(diǎn)，并已被證明是處理和分析大規(guī)模數(shù)據(jù)的有效方法。2006年，辛頓（G.Hinton）的團(tuán)隊(duì)提出“深度信念網(wǎng)絡(luò)”概念，推動(dòng)了深度學(xué)習(xí)在計(jì)算機(jī)視覺和自然語(yǔ)言處理等領(lǐng)域的應(yīng)用，大幅提升了機(jī)器學(xué)習(xí)在圖像理解、語(yǔ)言處理等復(fù)雜任務(wù)中的表現(xiàn)。

近年來(lái)，生成式人工智能（generativeartificialintelligence，GAI）成為AI領(lǐng)域的重大進(jìn)展。GAI能根據(jù)輸入的數(shù)據(jù)生成新的內(nèi)容或樣本，其發(fā)展基于大規(guī)模文本數(shù)據(jù)的預(yù)訓(xùn)練和名為“transformer”（轉(zhuǎn)換器）的神經(jīng)網(wǎng)絡(luò)架構(gòu)。該架構(gòu)的模型通過(guò)有效處理文本中的長(zhǎng)距離依賴關(guān)系，實(shí)現(xiàn)了對(duì)上下文的深度理解和記憶?；诖?，以生成式預(yù)訓(xùn)練轉(zhuǎn)換器（generativepretrainedtransformer，GPT）為代表的大語(yǔ)言模型不斷迭代發(fā)展，能進(jìn)行問(wèn)答、文本生成、情感分析等多種任務(wù)，具備強(qiáng)大的語(yǔ)言生成和預(yù)測(cè)能力。特別是聊天GPT（ChatGPT，又稱優(yōu)化對(duì)話的語(yǔ)言模型）等自然語(yǔ)言處理模型，由于門檻低、互動(dòng)性強(qiáng)和便于使用，令公眾直觀感受到AI的強(qiáng)大力量。

AI在生物多樣性領(lǐng)域的應(yīng)用案例

AI在生物多樣性領(lǐng)域展現(xiàn)出巨大的潛力，現(xiàn)已廣泛應(yīng)用于生物多樣性的監(jiān)測(cè)、研究、保護(hù)和管理等方面。隨著相關(guān)技術(shù)的不斷進(jìn)步，AI正逐步成為自然保護(hù)研究和實(shí)踐工作不可或缺的工具。

在監(jiān)測(cè)和研究上的應(yīng)用案例

物種的調(diào)查、識(shí)別和監(jiān)測(cè)是自然保護(hù)的基石。許多現(xiàn)代工具（如紅外相機(jī)、衛(wèi)星遙感、無(wú)人機(jī)、社交媒體）的迅速發(fā)展為研究者和實(shí)踐者提供了大量寶貴的數(shù)據(jù)，然而處理這些數(shù)據(jù)往往既單調(diào)又耗時(shí)，尤其是在面對(duì)大量圖像、音頻和文本信息時(shí)更是如此。通過(guò)深度學(xué)習(xí)等AI技術(shù)，研究者能從紅外相機(jī)捕捉的照片和視頻中實(shí)現(xiàn)物種自動(dòng)識(shí)別。例如在2020年，一個(gè)由多所大學(xué)的科學(xué)家組成的研究團(tuán)隊(duì)利用深度學(xué)習(xí)模型對(duì)25只圈養(yǎng)大熊貓的照片進(jìn)行分析，成功地辨別出不同的個(gè)體[4]。

然而在野外工作中，調(diào)查方法和強(qiáng)度、天氣和植被的限制等因素常常導(dǎo)致數(shù)據(jù)質(zhì)量不佳或缺乏適當(dāng)類型的數(shù)據(jù)，從而影響了AI的有效應(yīng)用。為解決這些問(wèn)題，波蘭一個(gè)名為“WildBook”（野書）的非營(yíng)利性項(xiàng)目建立了開源軟件平臺(tái)（www.wildme.org/wildbook.html），將野生動(dòng)物研究與AI和公眾科學(xué)相結(jié)合；其圖像數(shù)據(jù)可以來(lái)自相機(jī)陷阱（cameratrap）、無(wú)人機(jī)、社交媒體等多種來(lái)源，并用AI進(jìn)行物種分類和個(gè)體識(shí)別，從而提升監(jiān)測(cè)的效率和準(zhǔn)確性。截至2024年初，該平臺(tái)已涵蓋超過(guò)50個(gè)物種的信息，并為世界自然保護(hù)聯(lián)盟的物種紅色名錄評(píng)估提供了重要支持。在國(guó)內(nèi)，北京山水自然保護(hù)中心（簡(jiǎn)稱山水）攜手騰訊基金會(huì)，共同打造了一個(gè)專門高效處理紅外相機(jī)數(shù)據(jù)的AI平臺(tái)，以助力雪豹種群數(shù)量和分布調(diào)查。山水在青海三江源地區(qū)廣泛布設(shè)了紅外相機(jī)，以捕捉雪豹等野生動(dòng)物的珍貴影像。在以前，這些海量數(shù)據(jù)的處理與分析是一項(xiàng)艱巨的任務(wù)，嚴(yán)重制約了保護(hù)研究工作的進(jìn)展。如今，通過(guò)引入先進(jìn)的AI識(shí)別模型，山水的平臺(tái)能自動(dòng)對(duì)紅外相機(jī)收集到的數(shù)據(jù)進(jìn)行初步篩選，有效剔除無(wú)效的空拍圖片，并初步識(shí)別出不同的物種；公眾科學(xué)志愿者隨后參與到物種驗(yàn)證與雪豹個(gè)體識(shí)別環(huán)節(jié)中，基于AI的初步結(jié)果進(jìn)行細(xì)致的審核與修正，確保數(shù)據(jù)的準(zhǔn)確性；對(duì)于AI和公眾科學(xué)志愿者難以決斷的情況，則由專業(yè)團(tuán)隊(duì)和復(fù)核志愿者進(jìn)行最終鑒定。這一流程極大地減輕了人工負(fù)擔(dān)，加快了數(shù)據(jù)處理速度。

另一項(xiàng)在生物多樣性監(jiān)測(cè)中廣泛應(yīng)用的AI技術(shù)是生物聲學(xué)監(jiān)測(cè)。與紅外相機(jī)監(jiān)測(cè)相比，被動(dòng)式的聲學(xué)監(jiān)測(cè)幾乎不受光線和天氣條件的影響，能全方位感知環(huán)境，且在分析高分辨率、長(zhǎng)時(shí)間跨度的數(shù)據(jù)時(shí)成本較低。早在1990年代，海洋動(dòng)物的聲學(xué)監(jiān)測(cè)便已吸納了AI技術(shù)。然而，AI在其他生物類群監(jiān)測(cè)中的應(yīng)用則在近年來(lái)才得到發(fā)展。例如在2023年，澳大利亞的研究團(tuán)隊(duì)使用卷積神經(jīng)網(wǎng)絡(luò)（convolutionalneuralnetwork，CNN）架構(gòu)來(lái)分析昆士蘭的某種寬趾蟾（Taudactyluspleione）的叫聲模式，發(fā)現(xiàn)相較于傳統(tǒng)方法，CNN能更準(zhǔn)確地識(shí)別該蟾的叫聲[5]；CNN+遞歸神經(jīng)網(wǎng)絡(luò)（recurrentneuralnetwork，CRNN）架構(gòu)被用于分析樹袋熊（別名考拉）的活動(dòng)模式，能很好地識(shí)別其叫聲并跟蹤其行為變化[5]。然而，AI在生物聲學(xué)領(lǐng)域的應(yīng)用也面臨諸多挑戰(zhàn)，例如需要大量的訓(xùn)練、統(tǒng)一的數(shù)據(jù)收集標(biāo)準(zhǔn)，以及提升模型的準(zhǔn)確性。

此外，理解生態(tài)系統(tǒng)復(fù)雜的動(dòng)態(tài)變化對(duì)于制定保護(hù)目標(biāo)以及選擇管理手段至關(guān)重要。在過(guò)去，研究者主要依賴傳統(tǒng)的統(tǒng)計(jì)和數(shù)學(xué)模型來(lái)預(yù)測(cè)生態(tài)系統(tǒng)的變化過(guò)程。然而隨著AI的發(fā)展，研究者獲得了更便捷且高效的分析工具。例如，隨機(jī)森林（RandomForest）模型已被廣泛應(yīng)用于物種適宜棲息地的預(yù)測(cè)。該模型利用一些環(huán)境特征（氣候、土壤類型、水源分布等）作為數(shù)據(jù)輸入，將物種的存在或缺失作為結(jié)果輸出，通過(guò)訓(xùn)練該模型來(lái)預(yù)測(cè)給定環(huán)境條件下物種存在的可能性或適宜性。這種方法可在大范圍內(nèi)評(píng)估物種的潛在分布區(qū)或適宜的棲息地，預(yù)測(cè)氣候變化、土地利用變化等因素對(duì)物種分布的影響，為生態(tài)保護(hù)、資源管理和應(yīng)對(duì)生物多樣性喪失提供有價(jià)值的信息。

在自然保護(hù)和管理上的應(yīng)用案例

AI還在促進(jìn)自然保護(hù)和管理的實(shí)踐中發(fā)揮著重要作用。眾所周知，人類活動(dòng)是導(dǎo)致全球生物多樣性持續(xù)快速喪失的主要驅(qū)動(dòng)因素之一，而通過(guò)了解人類與野生生物之間的各種直接和間接的互動(dòng)，我們能更有效地識(shí)別生物多樣性面臨的威脅，從而采取相應(yīng)的措施。

AI分析社交媒體上的生物多樣性信息社交媒體已成為理解特定人群對(duì)野生動(dòng)物保護(hù)議題認(rèn)知和態(tài)度的重要信息源。借助自然語(yǔ)言處理技術(shù)等AI來(lái)分析社交媒體數(shù)據(jù)，可揭示人類活動(dòng)的時(shí)空分布，理解公眾對(duì)特定保護(hù)議題的態(tài)度和情緒反應(yīng)，并提升保護(hù)機(jī)構(gòu)的工作效率。南非克魯格國(guó)家公園作為全球著名的野生動(dòng)物觀賞地點(diǎn)，吸引了眾多國(guó)內(nèi)外游客。該國(guó)家公園的管理部門通過(guò)追蹤來(lái)訪游客在社交媒體上發(fā)布的游覽分享，分析人與自然交互的熱點(diǎn)地區(qū)，從而調(diào)整人流方向，避免人流過(guò)度集中對(duì)公園內(nèi)生物多樣性造成壓力[6]。世界自然基金會(huì)的實(shí)踐進(jìn)一步證明了社交媒體數(shù)據(jù)分析的價(jià)值，通過(guò)采用名為“來(lái)自轉(zhuǎn)換器的雙向編碼器表征”（bidirectionalencoderrepresentationsfromtransformers）的機(jī)器學(xué)習(xí)模型，開發(fā)了新聞熊貓（NewsPanda）系統(tǒng)，用于自動(dòng)提取和分析與野生動(dòng)物保護(hù)相關(guān)的新聞文章，實(shí)現(xiàn)新聞實(shí)時(shí)追蹤、情感分析和趨勢(shì)預(yù)測(cè)，以便采取及時(shí)的保護(hù)行動(dòng)。在過(guò)去，人工識(shí)別7～10篇相關(guān)文章可能需2～3天才能完成；而如今，世界自然基金會(huì)的這種AI的應(yīng)用使得保護(hù)機(jī)構(gòu)能高效追蹤各種媒體上的生物多樣性新聞，如1個(gè)保護(hù)團(tuán)隊(duì)每周可處理約50篇文章，從而快速了解相關(guān)問(wèn)題或輿論的發(fā)展，及時(shí)響應(yīng)潛在的危機(jī)，或?qū)ΡＷo(hù)傳播策略進(jìn)行調(diào)整[7]。

AI預(yù)防人與野生動(dòng)物沖突2019年，為緩解人象沖突，云南西雙版納國(guó)家級(jí)自然保護(hù)區(qū)管護(hù)局聯(lián)合科技企業(yè)和公益基金會(huì)，在西雙版納雨林地區(qū)建立了野生亞洲象監(jiān)測(cè)預(yù)警體系。該體系在野象經(jīng)常出沒(méi)的雨林和村莊周圍部署了大量紅外相機(jī)和視頻監(jiān)測(cè)設(shè)備，全天候?qū)崟r(shí)采集影像數(shù)據(jù)。這些數(shù)據(jù)通過(guò)移動(dòng)網(wǎng)絡(luò)同步自動(dòng)傳輸?shù)皆破脚_(tái)，并由基于AI算法構(gòu)建的亞洲象識(shí)別模型對(duì)照片和視頻進(jìn)行智能識(shí)別和分類，識(shí)別準(zhǔn)確率已達(dá)96%。隨后，野象即將出沒(méi)的安全預(yù)警信息通過(guò)智能廣播、手機(jī)應(yīng)用（APP）等平臺(tái)發(fā)送，提醒附近村民及時(shí)回避，其有效預(yù)警率高達(dá)83%，且最快能在12秒內(nèi)送達(dá)[8]。這不僅有助于緩解人象沖突，還為未來(lái)的亞洲象國(guó)家公園規(guī)劃提供了科學(xué)依據(jù)，形成一張覆蓋亞洲象分布區(qū)和周邊村莊的保護(hù)網(wǎng)絡(luò)。

AI促進(jìn)自然保護(hù)地管理決策的智能化升級(jí)保護(hù)地的有效管理需綜合考慮環(huán)境壓力、治理架構(gòu)、社會(huì)動(dòng)態(tài)和問(wèn)責(zé)機(jī)制等因素，并能根據(jù)情況變化靈活地調(diào)整管理策略。管理者需持續(xù)收集有關(guān)保護(hù)地現(xiàn)狀和管理措施成效的數(shù)據(jù)，用以支持科學(xué)決策。由國(guó)際野生生物保護(hù)學(xué)會(huì)（WildlifeConservationSociety）等自然保護(hù)組織聯(lián)合開發(fā)的“空間監(jiān)測(cè)和匯報(bào)工具”（SpatialMonitoringandReportingTool，SMART；https：//smartconservationtools.org/en-us/），如今已在全球的保護(hù)地管理中得到廣泛應(yīng)用。作為一個(gè)開放的軟件平臺(tái)，SMART提供了一整套工具，包括基于巡護(hù)員的數(shù)據(jù)收集、多方數(shù)據(jù)存儲(chǔ)，以及利用AI進(jìn)行數(shù)據(jù)分析。該工具能幫助準(zhǔn)確記錄野生動(dòng)物分布與數(shù)量信息、規(guī)劃巡邏路線、監(jiān)測(cè)非法活動(dòng)，并標(biāo)準(zhǔn)化這些數(shù)據(jù)，用于保護(hù)地圖制作、現(xiàn)狀分析和技術(shù)報(bào)告，為保護(hù)地的研究、旅游管理、自然資源利用等提供了重要的信息支持。

我國(guó)東北虎豹國(guó)家公園的天地空一體化監(jiān)測(cè)系統(tǒng)被認(rèn)為是全球首個(gè)大面積覆蓋的自然資源實(shí)時(shí)監(jiān)測(cè)系統(tǒng)。它擁有95個(gè)基站，信號(hào)覆蓋了約5000千米2的區(qū)域，約占該國(guó)家公園面積1.41萬(wàn)千米2的35%，實(shí)現(xiàn)了對(duì)園內(nèi)重要生態(tài)系統(tǒng)的實(shí)時(shí)感知和科學(xué)管理。該系統(tǒng)集成了影像設(shè)備、無(wú)人機(jī)、傳感器和物聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)多維度的生態(tài)監(jiān)測(cè)；通過(guò)無(wú)線網(wǎng)絡(luò)、光纖網(wǎng)絡(luò)等通信手段，實(shí)現(xiàn)多網(wǎng)絡(luò)融合通信；基于高性能計(jì)算和云計(jì)算，利用大數(shù)據(jù)和AI進(jìn)行智能數(shù)據(jù)處理；依賴AI和專業(yè)人員的決策，推進(jìn)系統(tǒng)的持續(xù)迭代和演化，為保護(hù)地的精細(xì)化管理提供了多場(chǎng)景的輔助運(yùn)營(yíng)能力。

機(jī) 遇

AI在生物多樣性領(lǐng)域的應(yīng)用雖已取得許多顯著成果，但其潛力遠(yuǎn)未完全釋放。隨著技術(shù)發(fā)展，新機(jī)遇將會(huì)出現(xiàn)，AI在自然保護(hù)的應(yīng)用場(chǎng)景非常廣闊。

首先，GAI模型的發(fā)展，有望推動(dòng)自然保護(hù)領(lǐng)域的大語(yǔ)言模型的建立。這些模型將幫助保護(hù)工作者提高效率，以更便捷的方式撰寫項(xiàng)目建議書，分析和梳理保護(hù)問(wèn)題，編制針對(duì)不同人群的宣傳文案，甚至制作宣傳教育用的繪本和視頻。

其次，AI結(jié)合虛擬現(xiàn)實(shí)技術(shù)和交互式聊天機(jī)器人，可為那些沒(méi)有機(jī)會(huì)或時(shí)間親身感受自然的人提供沉浸式的線上體驗(yàn)，使城市居民能比以往更直觀地感受到野生動(dòng)植物的魅力。AI還可通過(guò)可視化形式，非常清晰明了地傳播生態(tài)知識(shí)和解釋繁雜的環(huán)境問(wèn)題，了解公眾對(duì)自然保護(hù)的態(tài)度及其趨勢(shì)，瞄準(zhǔn)最有效的教育和宣傳機(jī)會(huì)，將人們與野生動(dòng)物和生態(tài)系統(tǒng)的價(jià)值重新連接起來(lái)。但需注意的是，當(dāng)人們過(guò)多地通過(guò)依賴AI生成的屏幕畫面而非親身體驗(yàn)自然時(shí)，可能會(huì)淡化他們對(duì)真實(shí)自然的感知和欣賞能力，以及與野生生物的情感聯(lián)系，進(jìn)而削弱整個(gè)社會(huì)對(duì)自然保護(hù)的緊迫感和參與度。

最后，AI與機(jī)器人技術(shù)的結(jié)合將在數(shù)據(jù)收集、分析和決策支持方面展現(xiàn)出巨大潛力。一是機(jī)器人可在偏遠(yuǎn)或危險(xiǎn)地區(qū)進(jìn)行自動(dòng)化監(jiān)測(cè)，收集大量生態(tài)數(shù)據(jù)，并通過(guò)AI實(shí)時(shí)分析，生成用于科學(xué)決策的支持材料。二是這些技術(shù)不僅可幫助研究者理解復(fù)雜的生態(tài)系統(tǒng)，從而為政策制定者提供精準(zhǔn)的科學(xué)依據(jù)，還能在某些特定條件下，代替人類去執(zhí)行保護(hù)和管理措施，如棲息地修復(fù)、入侵種清除、人獸沖突預(yù)防等。三是可能幫助我們理解非人類生命的信息交流方式（甚至是語(yǔ)言），并與這些生命進(jìn)行溝通，進(jìn)一步深化人與野生動(dòng)物的聯(lián)系，為促進(jìn)人與自然和諧共生創(chuàng)造更多可能性。

問(wèn)題與挑戰(zhàn)

盡管人工智能在生物多樣性領(lǐng)域展現(xiàn)出巨大的應(yīng)用價(jià)值，但其伴隨而來(lái)的挑戰(zhàn)亦不容忽視，涉及的社會(huì)和倫理問(wèn)題日益凸顯。

技術(shù)樂(lè)觀主義的泛濫

雖然AI在分析和預(yù)測(cè)方面表現(xiàn)出色，但這容易導(dǎo)致“技術(shù)無(wú)所不能”的錯(cuò)覺，有時(shí)反而掩蓋了生態(tài)危機(jī)背后錯(cuò)綜復(fù)雜的社會(huì)、經(jīng)濟(jì)、政治和文化根源。這種“技術(shù)解決主義”傾向還可能使人們忽視自然與人類社會(huì)之間的深刻聯(lián)系，削弱對(duì)直接體驗(yàn)自然的重視。

數(shù)據(jù)偏見與不平等的挑戰(zhàn)

AI系統(tǒng)的表現(xiàn)深受其訓(xùn)練數(shù)據(jù)集的影響，如果這些數(shù)據(jù)本身存在偏見或地域不平衡，AI的決策將隨之偏斜，甚至可能加劇既有的不平等。例如，過(guò)度依賴西方科學(xué)知識(shí)和高收入國(guó)家的訓(xùn)練數(shù)據(jù)，會(huì)邊緣化低收入國(guó)家、土著人民和地方社區(qū)（本專題相關(guān)文章中，凡提及“土著”和“土著人民”之處，均以《生物多樣性公約》的我國(guó)官文譯本中的相關(guān)文字為準(zhǔn)）的AI貢獻(xiàn)，降低全球自然保護(hù)策略和手段的多樣性和包容性。不僅如此，AI系統(tǒng)偏好引用高被引率的出版物，這可能使得某些已被廣泛認(rèn)可的觀點(diǎn)獲得更多關(guān)注和資源，而原本相對(duì)邊緣的視角和新興的觀點(diǎn)則被進(jìn)一步邊緣化，限制了人們對(duì)人與自然和諧共生的理想狀態(tài)和實(shí)現(xiàn)路徑的想象空間。

AI數(shù)據(jù)隱私與安全的風(fēng)險(xiǎn)

AI系統(tǒng)在處理大量生態(tài)和生物多樣性數(shù)據(jù)時(shí)，可能面臨數(shù)據(jù)泄露和濫用的風(fēng)險(xiǎn)，尤其是在涉及敏感區(qū)域或物種時(shí)。如何平衡技術(shù)創(chuàng)新與數(shù)據(jù)保護(hù)，確保信息的透明度與安全性，是AI在自然保護(hù)領(lǐng)域長(zhǎng)期可持續(xù)地應(yīng)用的關(guān)鍵問(wèn)題。

AI的“黑匣子”特性導(dǎo)致的隱憂

AI系統(tǒng)的決策過(guò)程往往不透明，用戶難以追溯其邏輯依據(jù)。一旦人們認(rèn)為大數(shù)據(jù)模型是客觀的而不加以質(zhì)疑時(shí)，就有可能將決策權(quán)交給AI，這或?qū)?dǎo)致算法的預(yù)測(cè)成為自我實(shí)現(xiàn)的預(yù)言。在生物多樣性領(lǐng)域，當(dāng)AI代替人類決策時(shí)，這種算法的不透明性可能帶來(lái)一系列意想不到的后果。例如，錯(cuò)誤的AI分類算法可能會(huì)將無(wú)辜的當(dāng)?shù)厣鐓^(qū)成員錯(cuò)誤地識(shí)別為外來(lái)偷獵者，從而引發(fā)嚴(yán)重的法律和安全問(wèn)題。因此，提高AI系統(tǒng)的可解釋性，確保決策過(guò)程的透明與公正，是AI在自然保護(hù)中有效且負(fù)責(zé)任地應(yīng)用的關(guān)鍵因素。

AI的發(fā)展可能對(duì)地球生態(tài)系統(tǒng)施加更大壓力

人類文明的歷史表明，有些環(huán)境變遷與技術(shù)進(jìn)步密切相關(guān)。已有研究指出，大語(yǔ)言模型的訓(xùn)練過(guò)程因?qū)Υ罅侩娏Φ男枨蠖@著增加了碳排放，如GPT-3的訓(xùn)練過(guò)程消耗了超過(guò)1287兆瓦時(shí)的電力，產(chǎn)生了約502噸二氧化碳當(dāng)量排放量的碳足跡[9]。隨著AI模型的復(fù)雜性和規(guī)模不斷增加，預(yù)計(jì)能源需求將會(huì)上升。

未來(lái)展望

我們正處在一個(gè)復(fù)雜交織的時(shí)代。一方面，AI技術(shù)的飛速發(fā)展如同破曉之光，在深刻重塑當(dāng)下生活方式的同時(shí)，照亮了未來(lái)的無(wú)限可能。另一方面，氣候變化和生物多樣性喪失的陰霾卻如烏云壓頂，警示著地球生態(tài)危機(jī)的緊迫與嚴(yán)峻。AI在生物多樣性領(lǐng)域的初步應(yīng)用已取得顯著成效，然而這項(xiàng)技術(shù)若應(yīng)用不當(dāng)，可能對(duì)自然、社會(huì)乃至文化帶來(lái)威脅[10]。哈佛大學(xué)的當(dāng)代著名生物學(xué)家威爾遜（E.O.Wilson）的警世之言“我們擁有石器時(shí)代的情感、中世紀(jì)的制度，卻掌握著如神一般的技術(shù)”，恰如其分地揭示了當(dāng)代社會(huì)的悖論：在情感和本能層面，我們?nèi)员Ａ糁紶顟B(tài)；在社會(huì)架構(gòu)上，雖經(jīng)歷演變有所進(jìn)步，卻仍顯不足；在技術(shù)層面，AI的崛起已賦予我們前所未有的力量。應(yīng)對(duì)包括生物多樣性危機(jī)在內(nèi)的各種現(xiàn)代挑戰(zhàn)，不僅是技術(shù)層面的難題，更需要對(duì)社會(huì)制度、文化觀念和人類自我認(rèn)知進(jìn)行深刻反思。

如何駕馭AI這把雙刃劍，使之成為實(shí)現(xiàn)人與自然和諧共生的強(qiáng)大助力，將考驗(yàn)當(dāng)代保護(hù)工作者的智慧。我們建議理性設(shè)定對(duì)AI在生物多樣性領(lǐng)域中的期望，深化跨學(xué)科和跨領(lǐng)域的交流與合作；同時(shí)審慎應(yīng)對(duì)相關(guān)倫理挑戰(zhàn)，深入探討AI時(shí)代的環(huán)境正義話題。我們祝愿未來(lái)的世界是一個(gè)可持續(xù)發(fā)展的共生社會(huì)，其中人類和非人類生命與AI協(xié)同演化[10]，相互依存，彼此適應(yīng)，共同邁向和諧的未來(lái)。

[1]IPBESsecretariat.GlobalassessmentreportonbiodiversityandecosystemservicesoftheIntergovernmentalScience-PolicyPlatformonBiodiversityandEcosystemServices.Bonn：IPBES，2019.

[2]MitchellM.Artificialintelligence：Aguideforthinkinghumans.NewYork：Farrar，StrausandGiroux，2019.

[3]FordM.ArchitectsofIntelligence：ThetruthaboutAIfromthepeoplebuildingit.Birmingham：PacktPublishing，2018.

[4]HouJ，HeY，YangH，etal.Identificationofanimalindividualsusingdeeplearning：Acasestudyofgiantpanda.BiologicalConservation，2020，242：108414.

[5]SharmaS，SatoK，GautamBP.Amethodologicalliteraturereviewofacousticwildlifemonitoringusingartificialintelligencetoolsandtechniques.Sustainability，2023，15（9）：7128.

[6]ToivonenT，HeikinheimoV，F(xiàn)inkC，etal.Socialmediadataforconservationscience：amethodologicaloverview.BiologicalConservation，2019，233：298-315.

[7]KehSS，ShiZR，PattersonDJ，etal.Newspanda：Mediamonitoringfortimelyconservationaction.ProceedingsoftheAAAIConferenceonArtificialIntelligence.2023，37（13）：15528-15536.

[8]王曼，劉銘宇，王仕華，等.人工智能技術(shù)在西雙版納野生亞洲象監(jiān)測(cè)預(yù)警中的首次應(yīng)用.野生動(dòng)物學(xué)報(bào)，2023，44（3）：477-485.

[9]LuccioniAS，ViguierS，LigozatAL.Estimatingthecarbonfootprintofbloom，a176bparameterlanguagemodel.JournalofMachineLearningResearch，2023，24（253）：1-15.

[10]劉杰，韓寧，高潔.人類與人工智能的共軛進(jìn)化芻議.科學(xué)，2024，76（4）：33-38.

關(guān)鍵詞：人工智能AI自然保護(hù)生物多樣性人與自然和諧共生■