2025年5月22日星期四。我們發現自己陷入了一種相當特殊的情境。我們曾以勤奮（儘管目光短淺）的精力，將地球的自然環境推向了岌岌可危的邊緣，現在，我們懷著希望和忐忑的心情，轉向一種新的智能，AI。它不是誕生於數千年的進化，而是誕生於矽和程式之間，它來幫助我們修復已磨損的東西。這種微諷刺或許值得我們在國際生物多樣性日的今天，進行一個「與大自然和諧相處並永續發展」更深刻的思考。
AI在生物多樣性的機會
2025年5月1日在《Nature Methods》的技術特點中強調了AI在生物多樣性研究中開闢出一個新興領域[1]。文章的敘述從溫哥華不列顛哥倫比亞大學博士生凱蒂·格拉博斯基(Katie Grabowski)的故事開始，從兩百萬張「相機陷阱」(camera traps)圖像中收集到的大數據(big data)掀開序幕: 過去處理這些資料需要手動篩選和註釋，然而這些「相機陷阱」或生物聲學感測器自動化收集的巨量圖像資料正如生態學家賈斯汀·基茨 (Justin Kitzes) 所說，這是一場資料洪流，來自現在「太便宜、太好、太容易」的傳感器資料，一方面證明了我們的觀察能力，但也深刻地提醒了我們理解的局限性。
AI，特別是以機器學習和被稱為卷積神經網路(convolutional neural networks, CNN)的複雜架構為代表的AI，進入了這個令人難以忍受的資料處理領域進行即刻救援。這些系統的前景有著不可否認的吸引力，例如微軟的MegaDetector，它經過數百萬張圖像的訓練，能夠從空曠的荒野中精準地識別出動物、人類或車輛的圖像。就像它的自我介紹所說: 「MegaDetector是一種AI模型，可幫助保育人員減少使用相機陷阱影像進行無聊工作的時間。」或是Google的SpeciesNet（模型現已開源），這個AI數位專家已經仔細閱讀了6500萬張圖片，並能夠將圖像從哺乳動物或大型貓科動物到車輛等，分為2,000多個不同的類別。也因此我們可以看到像凱蒂·格拉博斯基這樣的研究人員所創建的AI工作流程：首先使用 MegaDetector找到動物，然後使用SpeciesNet與MegaDetector完美配合的物種進行分類。
甚至還有一個數位化的“野生動物Facebook”，也就是 Wildbook平台，它利用AI和公民科學家敏銳的眼光來追蹤單一動物。它的祖先之一 Sharkbook 大大提高了具備標籤的鯨鯊的識別率，並在鯨鯊被認定為瀕危物種的過程中發揮了作用，或說這是一種幫助深海生物識別的數位指紋。那康奈爾鳥類學實驗室BirdNET和簡化生物聲學AI分類模型acoupi又如何呢？它們能夠從鳥類短暫的鳴叫聲中自信地識別出大約6,000種鳥類。另外像是加拿大的WildTrax、Google的鳥發聲分類器Perch，這些生物AI聲學工具不就是生態學家耐心傾聽的數位低語嗎？
21個AI徹底改變保育工作的潛力關鍵議題
然而，當AI可用於確定緊迫的生物多樣性危機解決方案，另一方面潛在的風險也須全面的評估。一個由 27位國際專家組成的小組，其中包括18名保育科學家和9名計算機科學家和AI專家，他們共同確定了21個AI徹底改變保育工作的潛力關鍵議題[2]，如圖所示。在發展潛力層面上，AI系統不僅可以辨識已知生物，還可以幫助我們發現目錄中尚未發現物種的「黑暗多樣性」(dark diversity)，或者甚至透過一點演算魔法，僅憑一張圖片就能檢測出全新的物種。對單一動物進行監測的前景則是，它們不僅作為物種，而且作為獨特的生物，透過視覺上的相似性或獨特的叫聲，可以對種群進行更深入的、幾乎是傳記式的了解。
另外像是「生態系統的數位孿生」或「數位分身」(digital twins for ecosystems)，一個近乎完美的模擬數位虛擬分身技術。我們可在這個虛擬分身中測試干預措施，而不會打擾現實脆弱的世界。再者，AI或許可以改善我們現有相當遲鈍的物種分佈模型，預測森林砍伐的悲慘擴張，甚至幫助我們應對人與野生動物衝突的緊張互動，如透過自動處理圖像和文字來監控線上野生動物貿易，並使用AI警報系統預測和緩解人與野生動物之間的衝突。在我們的圖書館裡蘊藏著海量的知識，大型語言模型 (LLM)有望成為不知疲倦的研究人員，整合資料證據，將複雜密集的科學資料轉化成更容易消化的知識，提供那些必須做出緊急決策或保育顧問等人使用。
然而，正如所有人類的努力一樣，特別是那些涉及新穎的工具的努力，這條道路充滿了我們熟悉的缺點。所謂「AI殖民主義」(AI colonialism)擔憂的是來自全球南方的資料可能會為北方的演算法提供動力，用於訓練模型，然後向全球南方發布關於如何管理土地和資源的AI驅動指令。這將破壞當代保育殖民遺留問題的努力以及承認原住民權利和聲音。此外，AI還有可能導致保育軍事化，遠離相關區域開發的電腦系統會在不了解當地情況下識別違規行為並觸發執法。鑑於當地人認為的合法性對於促進遵守保育規則至關重要，卻也可能引發或加劇衝突。為了解決數位不平等和不公義問題，並為保育行動提供更少偏見、更公平更有力的資訊，研究建議需將認知回饋迴路整合到黑箱模型中。這可透過利用人機互動設計以及政治機構和民主決策來實現。
與此同時，我們是否會看到「基本技能的喪失」? 因為耐心的實地觀察工作可能被演算法的魅力所掩蓋？而使用我們的資料進行訓練的機器，也將不可避免地會反映出我們自身的偏見，如果有缺陷的輸出成為更新模型的原料，就有造成「AI污染」（AI pollution）的風險。甚至這些思考機器所消耗的能量也讓我們停下來思考: AI基礎設施的功耗和冷卻要求對環境的影響。
MegaDetector背後創始人之一Sara Beery觀察到，AI目前在該領域的絕大部分作用是物種識別等基本任務。為了真正釋放其潛力，生態學家似乎必須養成新的習慣、掌握新的語言，如從熟悉的程式語言R轉變為更適合AI的Python，是這種必要適應的一個小小的象徵。資金是人類努力的命脈，其流動具有一定的地域偏好，通常集中在全球北方。而大自然本身，有著稀有的、難以捉摸的、偽裝巧妙的生物，它們提供的資料集甚至挑戰了我們自己敏銳的眼睛，更不用說仍在學習觀察的機器了。這些模型還不是「即插即用」的；AI的準確性可能變化無常，很容易受到季節或地點變化的影響，並且知道當機器出錯時該怎麼做，正如Kitzes所說，這是一個「非常難的問題」。
生物多樣性變革性的變化
如果AI不僅僅是我們常常令人失望的工具箱中的一個複雜新設備，它就必須伴隨著我們自身更深層、更「變革性的變化」。就像生物多樣性和生態系統服務政府間的科學政策平臺(IPBES)所提出一項根本性、全系統的重組。IPBES呼籲從根本上改變生物多樣性保護政策、行動和總體治理結構，但同時也呼籲改變範式、目標和價值觀，以實現“跨技術、經濟和社會因素的全系統重組”事實上，2025年6月《環境管理期刊》中德國「邁向生物多樣性的變革」研究中全面深度的分析，突顯了這種轉變的特點[3]。雖然此研究未直接討論AI與生物多樣性的關係，但這些特點與AI的出現產生了共鳴。主要的生物多樣性變革層面包括:
1. 變革性的願景：重要的是要認識到，激勵變革的原因視情況而異，就變革需求達成一致並願意談判戰略，而不是共同願景的具體範圍。也許AI可以透過向我們展示新的模式、新的可能性來幫助創造這些共同的未來，讓自然和人類的願望找到不那麼矛盾的和諧。
2. 變革性知識：不僅需要解決經證實的“缺乏行動”，而且最重要的是要認識到並克服“缺乏知識”，以扭轉生物多樣性喪失的趨勢。而“缺乏知識”也意味著不同知識系統間需要協同作用來為科學和政策提供資訊，並且還要解決我們所爭論的事情。是的，AI可以協助產生知識，但必須注意的是，AI的「言論」必須與「實踐和專家知識」交織在一起，這些見解有賴於長期的經驗和對當地的了解。
3. 轉型動力：在通往永續的道路上（過渡期）“逐步進入”和“逐步淘汰”的不同但互補的過程必須重合，才能帶來全面的系統變革。逐步淘汰不可持續的事物，同時培育可永續的事物，這是一門微妙的藝術。AI或許可以在這方面提供幫助，使實踐永續更加高效，或者可以作為破壞性趨勢的早期預警。例如MegaDetector背後的創始人之一Sara Beery觀察到，AI目前在該領域的絕大部分作用是物種識別等基本任務。為了真正釋放其潛力，生態學家似乎必須養成新的習慣、掌握新的語言，如從熟悉的程式語言R轉變為更適合AI的Python，是這種必要適應的一個小小的的象徵。
4. 解放和代理性：提高變革性的合法性和可接受性（對於某些社會群體來說，可能令人不安的變化）需要知識、意識、積极參與、聲音和公平。即使這些參與性措施通常是資源密集型的（即時間、財務和人力資源），新想法往往來自多樣化和自下而上的過程。若以AI運用而言，這些強大的工具必須增強而不是削弱當地社區和多元化聲音的力量。至少前面討論的遠方發布「AI驅動的授權」是令人不安的。
5. 變革性治理：研究也確定了現有的、相對強大的法律和政策框架有時達不到要求的情況。正如歐盟 2030 年生物多樣性戰略(EU,2021)所建議的那樣，加強民間社會在監測和要求遵守方面的作用，以及進一步加強與自然有關的權利，例如通過指定自然的固有權利，可能是有希望的進步。公共資訊、教育和強大的法律框架是這裡的基石。此刻我們也不襟思考現有塑造AI角色法律腳步的緩慢與各機構的共識，接下來這些挑戰會反映出新發現的智慧，還是只是我們舊習慣的更有效的迭代？
再想想?
我們必須懷著審慎的希望來對待這個新領域。正如Wildbook平台負責人之一的Jason Holmberg 明智地警告，AI「不是一場保育革命…而是一種工具」。也許這是無價之寶，但不是「萬靈藥」。人的因素，我們的道德指南針、我們的批判性監督能力、以及那些與土地關係最密切的人們所擁有的不可替代的智慧，不僅仍然重要，而且必不可少。
是的，AI開始註釋和自動化分析生物多樣性資料集的潛力，這是一項遠遠超出人類承受能力的任務。AI現今被描述為一種優雅的、改變世界的力量，它不僅與機器有關，而且與賦予人類權力以做更多事情有關。然而，這種數位救援的成功將取決於我們將其調查結果與資料的結構化、知情且人性化的方法整合能力。因此，挑戰不僅在於製造更智慧的機器工具，還在於與我們的技術和自然世界建立更聰明、更富有同情心的關係，以幫助我們理解，甚至拯救生態危機。最終，一方面與大自然和諧相處，一方面確保永續的發展。
呼呼呼! 這一階段的【AH科普:生物多樣性專題】，告一段落。最後來個自然保育與環資基金會的心理測驗，小a是山羌，那你呢?
[1] Gewin, V. (2025). AI carves out a niche in ecology and conservation research. Nature Methods, 1-6. 01 May 2025
[2] Reynolds, S. A., Beery, S., Burgess, N., Burgman, M., Butchart, S. H., Cooke, S. J., ... & Sutherland, W. J. (2025). The potential for AI to revolutionize conservation: a horizon scan. Trends in ecology & evolution, 40(2), 191-207. Feb. 2025
[3] Schreiner, V., Mehring, M., Kleemann, J., Hauck, J., Knauß, S., Poßer, C., ... & Wittmer, H. (2025). Towards transformative change for biodiversity: What can we learn from case studies in Germany?. Journal of Environmental Management, 386, 125663. June 2025 (preprint)
