用人工智能联通生态数据的一份研究路线图
· BehindLines 编辑部
如何把动物声音记录、卫星图像和物种观察联系起来？一个国际团队提出，开发能够从多种生态数据中学习的人工智能模型。11月6日发表于《Nature Machine Intelligence》的路线图，讨论的是研究计划，而不是一款已经能够预测生态系统未来的工具。
伦敦玛丽女王大学的介绍指出，一个主要障碍在于：关于生命系统的信息，采用的格式和尺度很难统一。当前许多工具针对的是单一任务，例如识别动物或声音。
学习关系，而不只是分类
作者将这些设想称为生态基础模型。其思路是，为生物、环境及相互作用建立共同表征。模型获得的知识随后可能用于不同问题，而不必每遇到一个数据集就从头开始。
这篇科学展望文章的公开介绍强调，需要融入生态学理论。仅仅积累更多数据并不足够，还应评价模型能否将观察到的规律，与可能解释这些规律的过程联系起来。
仍需在实际环境中检验的愿景
研究计划涉及数据基础设施、模型架构、评价方法和治理。它特别关注不确定性与偏差：研究最充分的物种和地区，并不能代表整个生命世界。
实际问题在于，如何判断预测在训练情境之外是否仍然可信。文章为生态学家和人工智能研究者提出了共同方向，但没有给出普遍适用的成功率，也没有展示已经部署的系统。它的直接价值，是明确未来这些工具应当接受怎样的检验。