人工智慧混淆野生動物:研究揭示自動物種辨識的弱點

编辑者: Svitlana Velhush

在哥倫比亞的自然保護區裡,一台自動相機捕捉到了一隻小型有袋動物。人工智慧在取得照片與當地資訊後,篤定地將牠鑑定為一種並未在該國棲息的物種。然而專家判定真正的居民是 Metachirus myosuros。這起事件成為一項新研究的起點,該研究顯示通用的人工智慧模型距離可靠地處理野生自然事務還有多遠。

科學家古斯塔沃·尼古拉斯·帕埃斯·薩拉曼卡以 GPT-5.2 模型,測試了來自哥倫比亞、上傳至 iNaturalist 的一萬張脊椎動物照片。模型必須為每張照片說出科、屬與種,僅知道拍攝國家,且不得拒絕作答。在種這一層級上的準確結果僅有 9,5 個百分點——大約每十張照片中有一張。

準確率在不同動物類群間差異極大。在哺乳類與爬蟲類身上可達 17–19 個百分點,而在兩棲類、鳥類與魚類身上則降至五以下。錯誤較常發生在公開照片稀少的物種,以及近期才由科學描述的物種,例如直到 2025 年才被列為獨立物種的 Coendou vossi。

這類失誤並非單純的技術小事。若稀有動物被誤認為較知名的物種,牠的存在可能因此被忽略。錯誤的名稱,或將物種標示於其自然分布範圍之外,都可能扭曲動物分布的資料,並影響區域保育規劃。

這項研究並非呼籲放棄人工智慧。相反地,作者建議將其用作第一道篩選:自動提出的建議應對照最新的分類與已知分布範圍加以核實,而可疑或重要的紀錄則應轉交專家。模型應當被允許承認不確定,而非必須作答。

儘管這項工作聚焦於哥倫比亞的動物相,所揭示的問題卻是其他地區生物多樣性監測的共通現象。自動辨識的可靠性,直接取決於可取得的物種資料之數量與品質。

若要讓人工智慧真正有助於保育自然,其預測必須結合經過驗證的科學資訊與野外生物學家的專業判斷。

2 浏览量

來源

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

  • phys.org

留言

阅读更多关于此主题的文章:

发现错误或不准确的地方吗?我们会尽快处理您的评论。