科學家正在使用人工智能（AI）來識別新動物。但是我們可以相信結果嗎？
目前，科學家正在使用AI來標記潛在的新物種。高度專業化的生物學家仍然需要正式描述這些物種，並確定它們適合進化樹上的地方。 AI也只與我們對其進行訓練的數據一樣好，目前，我們對地球野生動植物的理解存在巨大差距。
但是AI正在幫助研究人員了解複雜的生態系統，因為它可以理解通過智能手機，攝像頭和自動監測系統收集的大型數據集。
“我們正在加速研究的步伐，以便能夠解決一些更大的問題，這令人興奮。”克里斯汀·皮卡德（Christine Picard）印第安納大學的生物學教授告訴Live Science。
在2023年發表在《期刊》上的研究中生態與進化的方法Picard及其同事訓練了AI模型，以對1,000多種昆蟲物種進行分類。現場科學與皮卡德和主要作家進行了交談Youhhan Besthabi他在印第安納州普渡大學（Purdue University）的計算機科學博士學位完成了這項研究。
Badirli說，該模型學會了從圖像和DNA數據中識別物種。在培訓期間，研究人員扣留了一些已知物種的身份，因此模型未知。
巴迪維爾告訴《現場科學》：“它不能說是哪種物種，但是我們的模型可以說它最有可能屬於哪個屬。”
該模型正確地識別了96.66％的已知物種和分配的物種，並將身份固定在正確的屬中，精度為81.39％。但是，當模型沒有DNA數據並僅依賴圖像時，成功率大大降低了 - 描述的物種的精度為39.11％，未知物種的精度為35.88％。
研究人員指出，部分原因是圖像的低分辨率來自公共數據庫。他們指出，模型的準確性將通過經驗和高分辨率圖像提高。
皮卡德說：“其中一些照片實際上很糟糕，所以我不敢相信該模型在數據方面做得很好。”
理解生物多樣性
地球的大部分生物多樣性 - 動物和植物生命的種類 - 生活在熱帶地區，這是最貧窮，最不研究的地區之一。結果，世界上大部分野生動植物仍然沒有發現。昆蟲的物種比任何其他動物群都要多，但大多數尚未確定。 AI可能有助於填補這一巨大的知識差距。
皮卡德說：“它使我們能夠潛入這個昆蟲物種多樣性的未知空間。”
一些科學家還使用AI監測整個生態系統。這些工具將AI與自動攝像機結合在一起，不僅可以看到哪種物種生活在給定的生態系統中，還可以看到它們在做什麼。
現場科學與珍娜·勞森（Jenna Lawson），英國生態與水文學中心的生物多樣性科學家，他幫助運行AMI網絡（自動監測昆蟲）系統。她解釋說，每個AMI系統都有一個輕便的白板來吸引飛蛾，以及一個運動激活的相機來拍攝它們。該系統還記錄音頻以識別動物呼叫和超聲聲音以識別蝙蝠。這些系統由太陽能電池板提供動力，不斷收集數據，並且在部署了32個系統的情況下，它們產生了很多功能 - 對於人類來說太多了。
勞森說：“我們擁有這個驚人的硬件，我們可以將其提出來收集所有這些數據，但是如果沒有AI，我們就沒有機會分析它。”
卡特里奧娜·戈德曼（Katriona Goldmann），艾倫·圖靈研究所（Alan Turing Institute）的研究數據科學家正在與勞森（Lawson）合作，培訓模型，以識別AMI系統記錄的動物。與Badirli的2023年研究類似，Goldmann正在使用公共數據庫中的圖像。然後，她的模型將向研究人員提醒未出現在這些數據庫中的動物。
戈德曼告訴《現場科學》：“他們將能夠標記圖像，並說，'這看起來像我以前從未見過的東西。”
AMI系統還允許研究人員隨著時間的推移監測生物多樣性的變化，包括增加和減少。研究人員已經估計，由於人類活動，全球物種是快速滅絕100到1000倍比他們平常會，因此監測野生動植物對於保護工作至關重要。
勞森的系統將衡量野生動植物如何應對環境變化，包括溫度波動和特定的人類活動，例如農業。
勞森說：“生物多樣性研究中技術的誕生令人著迷，因為它使我們能夠以以前不可能進行的規模記錄。”
這些AI系統固有的一種具有諷刺意味倫敦經濟學學院。
因此，戈德曼（Goldmann）正在對超級計算機進行訓練，但隨後將它們壓縮到可以安裝在單元上的小型計算機上，以節省能源，這也將是太陽能驅動的。