コロンビアの保護区で、カメラトラップが小さな有袋類の動物を捉えた。人工知能は写真と地形の情報を受け取ると、その国には生息しない種だと自信を持って名指しした。一方、専門家は本当の住人であるMetachirus myosurosを特定した。この事例は、汎用AIモデルが野生生物の扱いにおいて信頼できる動作からどれほど遠いかを示した新たな研究の出発点となった。
研究者のグスタボ・ニコラス・パエス・サラマンカは、iNaturalistにアップロードされたコロンビア産脊椎動物の写真一万枚でGPT-5.2モデルを検証した。モデルは撮影国だけを知らされ、回答を拒否する権利もなく、各写真について科、属、種を名指ししなければならなかった。種レベルの正確な結果はわずか9,5パーセント、つまり写真十枚につきおよそ一枚であった。
精度は動物群によって大きく異なった。哺乳類と爬虫類では17~19パーセントに達したが、両生類、鳥類、魚類では五パーセントを下回った。誤りは、公開写真の少ない種や、科学によって最近記載された種、たとえば2025年に独立した種として分けられたCoendou vossiでより頻繁に起こった。
こうした誤りは単なる技術的な些細なことではない。希少な動物がよりよく知られた種と取り違えられれば、その存在が見逃される可能性がある。誤った名称や自然分布域外での種の指摘は、動物の分布に関するデータを歪め、地域の保護計画に影響を及ぼしうる。
この研究はAIを放棄するよう促しているわけではない。むしろ著者は、それを最初のフィルターとして使うことを提案している。自動的な提案は最新の分類や既知の分布域と照合して確認し、疑わしい記録や重要な記録は専門家に回すべきだという。モデルには、必ず回答する代わりに不確かさを認めることを許すべきである。
この研究はコロンビアの動物相に焦点を当てているが、明らかになった問題は他の地域における生物多様性モニタリングにも共通する。自動識別の信頼性は、利用可能な種に関するデータの量と質に直接左右される。
AIが本当に自然保護の役に立つためには、その予測を検証済みの科学的知見や野外生物学者の専門的知見と組み合わせる必要がある。
