人工智能混淆野生动物:研究揭示自动物种识别的薄弱环节

编辑者: Svitlana Velhush

在哥伦比亚的自然保护区内,一台红外相机拍到了一种小型有袋类动物。人工智能在获得照片和当地信息后,自信地将其鉴定为一种并不在该国分布的物种。而专家们则确定了真正的栖息者——Metachirus myosuros。这一事件成为一项新研究的起点,该研究显示,通用人工智能模型距离可靠地处理野生动物工作还有多远。

科学家古斯塔沃·尼古拉斯·帕埃斯·萨拉曼卡测试了上传到iNaturalist的一万张哥伦比亚脊椎动物照片,以检验GPT-5.2模型。模型需要为每张照片说出科、属和种,仅知道拍摄国家,且无权拒绝作答。在物种层面上的准确结果仅为9,5%——大约每十张照片中有一张。

准确率因动物类群而差异很大。在哺乳动物和爬行动物中,准确率达到17–19%,而在两栖动物、鸟类和鱼类中则降至百分之五以下。错误更常发生在公开照片较少的物种上,以及那些近期才被科学描述的物种上,例如Coendou vossi,它直到2025年才被列为独立物种。

这类失误并非单纯的技术小事。如果一种稀有动物被与更知名的物种混淆,它的存在就可能被忽略。错误的名称或把物种标注在自然分布区之外,可能扭曲动物分布数据,并影响区域保护规划。

这项研究并不主张放弃人工智能。相反,作者建议将其用作第一道筛选:自动建议需对照最新分类和已知分布区进行核查,而存疑或重要的记录应转交专家。应当允许模型承认不确定,而不是必须作答。

尽管这项工作聚焦于哥伦比亚的动物群,但所揭示的问题在其他地区的生物多样性监测中同样具有代表性。自动识别的可靠性直接取决于可获得的物种数据的数量和质量。

要让人工智能真正有助于保护自然,其预测必须与经过验证的科学资料和野外生物学家的专业判断相结合。

2 查看

来源

  • When AI misidentifies wildlife: New study maps where species identification fails

  • phys.org

评论

阅读更多关于此主题的文章:

你发现了错误或不准确的地方吗?我们会尽快考虑您的意见。