人工智能在生物多样性领域的应用及其挑战

在当今世界，生物多样性正遭受前所未有的威胁。根据联合国《生物多样性和生态系统服务全球评估报告》的最新数据，目前有约100万种生物正徘徊在灭绝的边缘，而这种状况不仅危及地球生态系统的健康运转，更直接影响人类社会的可持续发展[1]。如何有效利用先进技术，尤其是正蓬勃发展的人工智能（artificialintelligence，AI），以赢得这场与时间赛跑的保卫战，已成为生物多样性领域的紧迫议题。

当前沿科技与自然保护相遇，一场变革正悄然发生。从自动化的物种监测和精准的个体识别，到生态系统变化的动态预测，再到公众参与机制的革新，以及保护地适应性管理决策，AI的应用正逐渐渗透到生物多样性领域的各个方面。AI不仅为研究者和实践者提供了强大的工具，还在改变着人们对于保护问题的思考方式和保护行动的实践方法。

AI的发展历程

AI是计算机科学的一个分支，旨在开发可执行通常需人类智能才能完成的任务系统，这些任务包括学习、推理、问题解决、感知、语言理解与生成、决策、视觉识别等。简言之，AI让机器变得更“聪明”，可完成通常由人类来做的事情。然而，这项技术并非一蹴而就，而是建立在数十年不断迭代与进步的基础上[2，3]。

1950年，英国数学家图灵（A.MTuring）提出了著名的图灵测试（TuringTest），这是一种判断机器能否像人类那样思考的方法。图灵认为，如果一台机器能与人类对话，并且人类无法区分其对话的对象是人类还是机器，那么这台机器就可被认为具备智能。图灵的理论为AI的发展奠定了基础。1956年，在美国新罕布什尔州达特茅斯学院举办的一次会议上，AI概念被正式提出，并成为现代AI研究的起点。当时的研究主要集中在逻辑推理和符号处理方面，例如开发基于逻辑规则的专家系统，以便用于模拟人类专家的决策过程。同样在1950年代，研究者们开始探索机器学习，尝试让机器从数据中学习并提升自身的性能。1952年，国际商业机器公司的工程师塞缪尔（A.L.Samuel）开发了一种跳棋程序，其策略评估算法能通过自我改进提升棋力；随着对弈次数的增加，该程序的表现也越来越强。

到1980年代，AI研究引入了决策树和人工神经网络等算法，使计算机能从数据中学习，并在没有为特定任务进行显式编程的情况下做出预测或决策。随着1990年代互联网的兴起和数据量的激增，深度学习逐渐成为AI研究的焦点，并已被证明是处理和分析大规模数据的有效方法。2006年，辛顿（G.Hinton）的团队提出“深度信念网络”概念，推动了深度学习在计算机视觉和自然语言处理等领域的应用，大幅提升了机器学习在图像理解、语言处理等复杂任务中的表现。

近年来，生成式人工智能（generativeartificialintelligence，GAI）成为AI领域的重大进展。GAI能根据输入的数据生成新的内容或样本，其发展基于大规模文本数据的预训练和名为“transformer”（转换器）的神经网络架构。该架构的模型通过有效处理文本中的长距离依赖关系，实现了对上下文的深度理解和记忆。基于此，以生成式预训练转换器（generativepretrainedtransformer，GPT）为代表的大语言模型不断迭代发展，能进行问答、文本生成、情感分析等多种任务，具备强大的语言生成和预测能力。特别是聊天GPT（ChatGPT，又称优化对话的语言模型）等自然语言处理模型，由于门槛低、互动性强和便于使用，令公众直观感受到AI的强大力量。

AI在生物多样性领域的应用案例

AI在生物多样性领域展现出巨大的潜力，现已广泛应用于生物多样性的监测、研究、保护和管理等方面。随着相关技术的不断进步，AI正逐步成为自然保护研究和实践工作不可或缺的工具。

在监测和研究上的应用案例

物种的调查、识别和监测是自然保护的基石。许多现代工具（如红外相机、卫星遥感、无人机、社交媒体）的迅速发展为研究者和实践者提供了大量宝贵的数据，然而处理这些数据往往既单调又耗时，尤其是在面对大量图像、音频和文本信息时更是如此。通过深度学习等AI技术，研究者能从红外相机捕捉的照片和视频中实现物种自动识别。例如在2020年，一个由多所大学的科学家组成的研究团队利用深度学习模型对25只圈养大熊猫的照片进行分析，成功地辨别出不同的个体[4]。

然而在野外工作中，调查方法和强度、天气和植被的限制等因素常常导致数据质量不佳或缺乏适当类型的数据，从而影响了AI的有效应用。为解决这些问题，波兰一个名为“WildBook”（野书）的非营利性项目建立了开源软件平台（www.wildme.org/wildbook.html），将野生动物研究与AI和公众科学相结合；其图像数据可以来自相机陷阱（cameratrap）、无人机、社交媒体等多种来源，并用AI进行物种分类和个体识别，从而提升监测的效率和准确性。截至2024年初，该平台已涵盖超过50个物种的信息，并为世界自然保护联盟的物种红色名录评估提供了重要支持。在国内，北京山水自然保护中心（简称山水）携手腾讯基金会，共同打造了一个专门高效处理红外相机数据的AI平台，以助力雪豹种群数量和分布调查。山水在青海三江源地区广泛布设了红外相机，以捕捉雪豹等野生动物的珍贵影像。在以前，这些海量数据的处理与分析是一项艰巨的任务，严重制约了保护研究工作的进展。如今，通过引入先进的AI识别模型，山水的平台能自动对红外相机收集到的数据进行初步筛选，有效剔除无效的空拍图片，并初步识别出不同的物种；公众科学志愿者随后参与到物种验证与雪豹个体识别环节中，基于AI的初步结果进行细致的审核与修正，确保数据的准确性；对于AI和公众科学志愿者难以决断的情况，则由专业团队和复核志愿者进行最终鉴定。这一流程极大地减轻了人工负担，加快了数据处理速度。

另一项在生物多样性监测中广泛应用的AI技术是生物声学监测。与红外相机监测相比，被动式的声学监测几乎不受光线和天气条件的影响，能全方位感知环境，且在分析高分辨率、长时间跨度的数据时成本较低。早在1990年代，海洋动物的声学监测便已吸纳了AI技术。然而，AI在其他生物类群监测中的应用则在近年来才得到发展。例如在2023年，澳大利亚的研究团队使用卷积神经网络（convolutionalneuralnetwork，CNN）架构来分析昆士兰的某种宽趾蟾（Taudactyluspleione）的叫声模式，发现相较于传统方法，CNN能更准确地识别该蟾的叫声[5]；CNN+递归神经网络（recurrentneuralnetwork，CRNN）架构被用于分析树袋熊（别名考拉）的活动模式，能很好地识别其叫声并跟踪其行为变化[5]。然而，AI在生物声学领域的应用也面临诸多挑战，例如需要大量的训练、统一的数据收集标准，以及提升模型的准确性。

此外，理解生态系统复杂的动态变化对于制定保护目标以及选择管理手段至关重要。在过去，研究者主要依赖传统的统计和数学模型来预测生态系统的变化过程。然而随着AI的发展，研究者获得了更便捷且高效的分析工具。例如，随机森林（RandomForest）模型已被广泛应用于物种适宜栖息地的预测。该模型利用一些环境特征（气候、土壤类型、水源分布等）作为数据输入，将物种的存在或缺失作为结果输出，通过训练该模型来预测给定环境条件下物种存在的可能性或适宜性。这种方法可在大范围内评估物种的潜在分布区或适宜的栖息地，预测气候变化、土地利用变化等因素对物种分布的影响，为生态保护、资源管理和应对生物多样性丧失提供有价值的信息。

在自然保护和管理上的应用案例

AI还在促进自然保护和管理的实践中发挥着重要作用。众所周知，人类活动是导致全球生物多样性持续快速丧失的主要驱动因素之一，而通过了解人类与野生生物之间的各种直接和间接的互动，我们能更有效地识别生物多样性面临的威胁，从而采取相应的措施。

AI分析社交媒体上的生物多样性信息社交媒体已成为理解特定人群对野生动物保护议题认知和态度的重要信息源。借助自然语言处理技术等AI来分析社交媒体数据，可揭示人类活动的时空分布，理解公众对特定保护议题的态度和情绪反应，并提升保护机构的工作效率。南非克鲁格国家公园作为全球著名的野生动物观赏地点，吸引了众多国内外游客。该国家公园的管理部门通过追踪来访游客在社交媒体上发布的游览分享，分析人与自然交互的热点地区，从而调整人流方向，避免人流过度集中对公园内生物多样性造成压力[6]。世界自然基金会的实践进一步证明了社交媒体数据分析的价值，通过采用名为“来自转换器的双向编码器表征”（bidirectionalencoderrepresentationsfromtransformers）的机器学习模型，开发了新闻熊猫（NewsPanda）系统，用于自动提取和分析与野生动物保护相关的新闻文章，实现新闻实时追踪、情感分析和趋势预测，以便采取及时的保护行动。在过去，人工识别7～10篇相关文章可能需2～3天才能完成；而如今，世界自然基金会的这种AI的应用使得保护机构能高效追踪各种媒体上的生物多样性新闻，如1个保护团队每周可处理约50篇文章，从而快速了解相关问题或舆论的发展，及时响应潜在的危机，或对保护传播策略进行调整[7]。

AI参与自然保护

AI预防人与野生动物冲突2019年，为缓解人象冲突，云南西双版纳国家级自然保护区管护局联合科技企业和公益基金会，在西双版纳雨林地区建立了野生亚洲象监测预警体系。该体系在野象经常出没的雨林和村庄周围部署了大量红外相机和视频监测设备，全天候实时采集影像数据。这些数据通过移动网络同步自动传输到云平台，并由基于AI算法构建的亚洲象识别模型对照片和视频进行智能识别和分类，识别准确率已达96%。随后，野象即将出没的安全预警信息通过智能广播、手机应用（APP）等平台发送，提醒附近村民及时回避，其有效预警率高达83%，且最快能在12秒内送达[8]。这不仅有助于缓解人象冲突，还为未来的亚洲象国家公园规划提供了科学依据，形成一张覆盖亚洲象分布区和周边村庄的保护网络。

AI促进自然保护地管理决策的智能化升级保护地的有效管理需综合考虑环境压力、治理架构、社会动态和问责机制等因素，并能根据情况变化灵活地调整管理策略。管理者需持续收集有关保护地现状和管理措施成效的数据，用以支持科学决策。由国际野生生物保护学会（WildlifeConservationSociety）等自然保护组织联合开发的“空间监测和汇报工具”（SpatialMonitoringandReportingTool，SMART；https：//smartconservationtools.org/en-us/），如今已在全球的保护地管理中得到广泛应用。作为一个开放的软件平台，SMART提供了一整套工具，包括基于巡护员的数据收集、多方数据存储，以及利用AI进行数据分析。该工具能帮助准确记录野生动物分布与数量信息、规划巡逻路线、监测非法活动，并标准化这些数据，用于保护地图制作、现状分析和技术报告，为保护地的研究、旅游管理、自然资源利用等提供了重要的信息支持。

我国东北虎豹国家公园的天地空一体化监测系统被认为是全球首个大面积覆盖的自然资源实时监测系统。它拥有95个基站，信号覆盖了约5000千米2的区域，约占该国家公园面积1.41万千米2的35%，实现了对园内重要生态系统的实时感知和科学管理。该系统集成了影像设备、无人机、传感器和物联网技术，实现多维度的生态监测；通过无线网络、光纤网络等通信手段，实现多网络融合通信；基于高性能计算和云计算，利用大数据和AI进行智能数据处理；依赖AI和专业人员的决策，推进系统的持续迭代和演化，为保护地的精细化管理提供了多场景的辅助运营能力。

机 遇

AI在生物多样性领域的应用虽已取得许多显著成果，但其潜力远未完全释放。随着技术发展，新机遇将会出现，AI在自然保护的应用场景非常广阔。

首先，GAI模型的发展，有望推动自然保护领域的大语言模型的建立。这些模型将帮助保护工作者提高效率，以更便捷的方式撰写项目建议书，分析和梳理保护问题，编制针对不同人群的宣传文案，甚至制作宣传教育用的绘本和视频。

其次，AI结合虚拟现实技术和交互式聊天机器人，可为那些没有机会或时间亲身感受自然的人提供沉浸式的线上体验，使城市居民能比以往更直观地感受到野生动植物的魅力。AI还可通过可视化形式，非常清晰明了地传播生态知识和解释繁杂的环境问题，了解公众对自然保护的态度及其趋势，瞄准最有效的教育和宣传机会，将人们与野生动物和生态系统的价值重新连接起来。但需注意的是，当人们过多地通过依赖AI生成的屏幕画面而非亲身体验自然时，可能会淡化他们对真实自然的感知和欣赏能力，以及与野生生物的情感联系，进而削弱整个社会对自然保护的紧迫感和参与度。

最后，AI与机器人技术的结合将在数据收集、分析和决策支持方面展现出巨大潜力。一是机器人可在偏远或危险地区进行自动化监测，收集大量生态数据，并通过AI实时分析，生成用于科学决策的支持材料。二是这些技术不仅可帮助研究者理解复杂的生态系统，从而为政策制定者提供精准的科学依据，还能在某些特定条件下，代替人类去执行保护和管理措施，如栖息地修复、入侵种清除、人兽冲突预防等。三是可能帮助我们理解非人类生命的信息交流方式（甚至是语言），并与这些生命进行沟通，进一步深化人与野生动物的联系，为促进人与自然和谐共生创造更多可能性。

问题与挑战

尽管人工智能在生物多样性领域展现出巨大的应用价值，但其伴随而来的挑战亦不容忽视，涉及的社会和伦理问题日益凸显。

技术乐观主义的泛滥

虽然AI在分析和预测方面表现出色，但这容易导致“技术无所不能”的错觉，有时反而掩盖了生态危机背后错综复杂的社会、经济、政治和文化根源。这种“技术解决主义”倾向还可能使人们忽视自然与人类社会之间的深刻联系，削弱对直接体验自然的重视。

数据偏见与不平等的挑战

AI系统的表现深受其训练数据集的影响，如果这些数据本身存在偏见或地域不平衡，AI的决策将随之偏斜，甚至可能加剧既有的不平等。例如，过度依赖西方科学知识和高收入国家的训练数据，会边缘化低收入国家、土著人民和地方社区（本专题相关文章中，凡提及“土著”和“土著人民”之处，均以《生物多样性公约》的我国官文译本中的相关文字为准）的AI贡献，降低全球自然保护策略和手段的多样性和包容性。不仅如此，AI系统偏好引用高被引率的出版物，这可能使得某些已被广泛认可的观点获得更多关注和资源，而原本相对边缘的视角和新兴的观点则被进一步边缘化，限制了人们对人与自然和谐共生的理想状态和实现路径的想象空间。

AI数据隐私与安全的风险

AI系统在处理大量生态和生物多样性数据时，可能面临数据泄露和滥用的风险，尤其是在涉及敏感区域或物种时。如何平衡技术创新与数据保护，确保信息的透明度与安全性，是AI在自然保护领域长期可持续地应用的关键问题。

AI的“黑匣子”特性导致的隐忧

AI系统的决策过程往往不透明，用户难以追溯其逻辑依据。一旦人们认为大数据模型是客观的而不加以质疑时，就有可能将决策权交给AI，这或将导致算法的预测成为自我实现的预言。在生物多样性领域，当AI代替人类决策时，这种算法的不透明性可能带来一系列意想不到的后果。例如，错误的AI分类算法可能会将无辜的当地社区成员错误地识别为外来偷猎者，从而引发严重的法律和安全问题。因此，提高AI系统的可解释性，确保决策过程的透明与公正，是AI在自然保护中有效且负责任地应用的关键因素。

AI的发展可能对地球生态系统施加更大压力

人类文明的历史表明，有些环境变迁与技术进步密切相关。已有研究指出，大语言模型的训练过程因对大量电力的需求而显著增加了碳排放，如GPT-3的训练过程消耗了超过1287兆瓦时的电力，产生了约502吨二氧化碳当量排放量的碳足迹[9]。随着AI模型的复杂性和规模不断增加，预计能源需求将会上升。

未来展望

我们正处在一个复杂交织的时代。一方面，AI技术的飞速发展如同破晓之光，在深刻重塑当下生活方式的同时，照亮了未来的无限可能。另一方面，气候变化和生物多样性丧失的阴霾却如乌云压顶，警示着地球生态危机的紧迫与严峻。AI在生物多样性领域的初步应用已取得显著成效，然而这项技术若应用不当，可能对自然、社会乃至文化带来威胁[10]。哈佛大学的当代著名生物学家威尔逊（E.O.Wilson）的警世之言“我们拥有石器时代的情感、中世纪的制度，却掌握着如神一般的技术”，恰如其分地揭示了当代社会的悖论：在情感和本能层面，我们仍保留着原始状态；在社会架构上，虽经历演变有所进步，却仍显不足；在技术层面，AI的崛起已赋予我们前所未有的力量。应对包括生物多样性危机在内的各种现代挑战，不仅是技术层面的难题，更需要对社会制度、文化观念和人类自我认知进行深刻反思。

如何驾驭AI这把双刃剑，使之成为实现人与自然和谐共生的强大助力，将考验当代保护工作者的智慧。我们建议理性设定对AI在生物多样性领域中的期望，深化跨学科和跨领域的交流与合作；同时审慎应对相关伦理挑战，深入探讨AI时代的环境正义话题。我们祝愿未来的世界是一个可持续发展的共生社会，其中人类和非人类生命与AI协同演化[10]，相互依存，彼此适应，共同迈向和谐的未来。

[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，FinkC，etal.Socialmediadataforconservationscience：amethodologicaloverview.BiologicalConservation，2019，233：298-315.

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

[8]王曼，刘铭宇，王仕华，等.人工智能技术在西双版纳野生亚洲象监测预警中的首次应用.野生动物学报，2023，44（3）：477-485.

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

[10]刘杰，韩宁，高洁.人类与人工智能的共轭进化刍议.科学，2024，76（4）：33-38.

关键词：人工智能AI自然保护生物多样性人与自然和谐共生■