本文來源于海潮天下（Marine Biodiversity）

本文約2500字，閱讀約5分鐘

出品 | 海潮天下

在很多人的想象里，野生動物研究最重要的部分發生在森林、雪山或者無人區。但對保護生物學研究者來說，真正漫長的工作，往往開始于回到實驗室之后。

過去十幾年，紅外相機已經成為野外監測最核心的工具之一。研究人員會把相機固定在動物可能經過的位置，通過熱感應自動拍攝。幾個月后，再統一回收設備。一個中等規模項目，通常就能積累數十萬張照片；如果是跨區域長期監測，數據量甚至會達到百萬級。

問題在于，大多數照片并沒有直接價值。鏡頭里可能只有晃動的草叢、樹影、雨水、夜間噪點，或者從邊緣一閃而過的動物身體局部。研究人員必須逐張篩查，再標注物種、時間、位置等信息。很多生態項目里，數據整理本身就會消耗數月時間。

海潮天下（Marine Biodiversity）小編注意到，2026年5月6日發表在《應用生態學期刊》（Journal of Applied Ecology）的一個最新研究，討論的正是這個問題：如果把這部分工作交給人工智能，最終得到的生態學結論，是否還能保持可靠呢？

▼ 海潮天下·往期相關報道：
AI系統識別1.3萬只昆蟲，112萬張圖訓練，準確率高達98.6%
AI爭奪戰，正在從芯片蔓延到海底礦產
像驗血一樣查河流健康？加州豪擲220萬美元，AI+eDNA黑科技上線

(圖文無關)▲上圖：美洲獅（拉丁學名：Puma concolor）是貓科美洲獅屬下的唯一物種。由于分布極廣，從北美的加拿大一直延伸到南美洲的最南端，它在不同地區有著多達數十種俗稱，如山獅、美洲豹貓、或庫加（Cougar）。圖源：USFWS

AI的“識別準確率”，真的那么重要？

這項研究由美國華盛頓州立大學、谷歌、危地馬拉野生動物保護機構等團隊合作完成。研究人員使用了一套名為SpeciesNet的人工智能系統，對來自多個真實野外區域的紅外相機數據進行自動識別，其中包括美國蒙大拿州冰川國家公園、華盛頓州監測區域，以及危地馬拉瑪雅生物圈保護區等等。

該研究的重點，并不是簡單比較“AI識別對了多少張照片”。真正被檢驗的是，AI自動生成的數據，會不會影響后續生態模型的結果。

論文采用的是保護生物學里常見的“占域模型”（occupancy models）。這種模型除了統計動物出現次數，主要還是用于推斷某種動物在特定區域中的存在概率和空間分布。它被廣泛用于評估棲息地變化、物種活動范圍以及保護區管理效果。

研究人員分別使用人工專家標注的數據，以及AI自動識別的數據建立模型，再對兩者結果進行比較。結果顯示，在多數常見物種上，AI生成的多物種占域模型跟人工分析的結果是高度接近的。

這也是這篇研究真正受到關注的原因。

▲上圖：大概7年前Google搞了個叫Wildlife Insights的平臺（屬于Google Earth Outreach項目），專門給研究者存圖、識圖、協作分析，SpeciesNet一直在后臺跑著干活。2025年，Google最近把自家開發的AI模型SpeciesNet開源了，放在GitHub上，用的是Apache 2.0許可證。這個模型干的事很具體，就是拿來分析相機陷阱（Camera Traps）拍回來的照片，自動辨認里面是什么動物。這次開源，相當于把引擎單獨拆出來，給了工具開發者、學界或者做生物多樣性的初創公司，方便大家直接拿去用或者自己改，用來擴大自然區域的生物多樣性監測規模。上圖是位于北京中關村的谷歌中國總部寫字樓外。?Linda Wong 攝影 | 海潮天下（Marine Biodiversity）

過去幾年，生態AI的討論往往集中在“識別準確率”本身，例如一套模型能否正確識別狼、熊或者鹿。但對于實際保護工作來說，更關鍵的問題其實是，即使AI會出現部分識別誤差，它是否已經足夠可靠，不再成為生態監測的數據瓶頸。

在AI自動識別工具的加持下，原本可能需要數月甚至更久的數據處理流程，現在有機會被壓縮到幾天內完成。對于生態監測來說，這種變化的意義并不只是節省人力。因為，野外研究長期存在一個現實問題是，數據處理速度通常趕不上生態變化速度。等研究人員完成圖像整理時，一個季節可能已經過去了，錯失了窗口期。一些關鍵變化，例如動物活動范圍縮小、人類干擾增加，或者棲息地出現破碎化，往往已經發生。如果圖像識別、基礎建模能夠快速搞定，那么，監測體系就可能更接近實時運行。

不過，這并不意味著AI已經能夠替代研究人員。這篇論文同時指出，稀有物種以及容易混淆的物種，仍然會影響AI的識別穩定性。很多瀕危動物本身樣本有限，訓練數據不足；不同地區之間的環境差異，也會影響模型表現。因此，目前更現實的應用方式，仍然是讓AI完成大規模初篩，再由研究人員進行關鍵復核。

這一點也反映了生態AI領域近兩年的變化。早期的很多研究，比較關注模型本身的技術指標；但隨著這幾年系統逐漸進入真實野外環境，越來越多的研究重點開始轉向穩定性和可部署性。因為自然環境的數據遠比互聯網圖像復雜——比如說，夜間紅外圖像分辨率有限，動物經常只露出個屁股、或只見一斑；雨雪、植被遮擋、設備差異，又都會影響識別結果。

也正因為如此，這項研究的意義，并不在于證明AI已經“理解生態系統”，而在于它提供了一個現實的結論——即使存在一定誤差也沒關系，AI也已經能夠有效承擔生態監測中最耗費時間、最耗人力的數據處理工作了。

對于保護生物學來說，這可能是人工智能第一次真正開始進入日常研究流程，不再是停留在實驗室演示階段了。

海潮君·寫在最后

筆者覺得，這篇研究真正有意思的地方，其實不是“AI會識別動物”——這件事前幾年已經不算新鮮了，各種各樣的app已層出不窮。

過去幾年，生態AI領域一直有種很明顯的傾向，大家都在比識別率、準確率，模型能不能把看起來很像的2種動物分清、能不能把夜間照片識別得更準一些。但生態學本身并不只是在“認圖”。這個研究團隊關心的，是某個區域里的動物數量有沒有變化，活動范圍是不是在縮小，棲息地有沒有被破壞。

這篇論文發現，即使底層圖像識別存在誤差，最后建立出來的占域模型，很多情況下依然和人工分析結果接近。換句話說，AI不一定需要“零誤差”，也有可能已經足夠實用。

這可能代表了保護生物學+AI應用的一個變化方向。因為現在生態學最大的問題，早就不是沒有數據，而是數據太多了，林林總總搞不過來。你去看各種招投標，很多保護區已經鋪滿了紅外相機、錄音設備和遙感系統，到處都在增設；但研究人員往往需要幾個月，甚至更久，才能把照片和聲音整理完。等分析真正完成，一個季節都過去了。所以這篇研究真正關注的不是AI的“自動識別動物”，而是承認它不必perfect、轉向“實時生態監測”的可能性。

如果未來數據能被持續自動處理，那么一些變化就不必等到半年后才發現。比如某種動物活動突然減少、某片區域夜間人類活動增加，或者遷徙路線開始變化，系統理論上，都是可以更早的給出信號的。

接下來最值得關注的方向，也未必是繼續提高識別準確率。真正重要的可能是讓AI開始理解“關系”。因為生態系統里最關鍵的東西，很多時候不是“有沒有某種動物”，而是“它們之間發生了什么”。哪些物種不再同時出現，哪些捕食關系開始斷裂，哪些遷徙路徑被切開，這些變化往往比物種消失本身出現得更早。

如果AI未來能夠穩定追蹤這些關系，生態學可能會慢慢從“記錄發生了什么”，變成“提前判斷接下來會發生什么”。

本文參考資料

感興趣的海潮天下（Marine Biodiversity）讀者可以參看該研究的全文：

Thornton, D., Morris, D., King, T., Perera-Romero, L., Anderson, A., Garcia-Anleu, R., Fitkin, S., & Vynne, C. (2026). Identification of camera trap images by artificial intelligence and human experts produces similar multi-species occupancy models. Journal of Applied Ecology, 63, e70370. https://doi.org/10.1111/1365-2664.70370

https://besjournals.onlinelibrary.wiley.com/doi/10.1111/1365-2664.70370

https://phys.org/news/2026-05-ai-wildlife-tracking-months-days.html

https://techcrunch.com/2025/03/03/google-releases-speciesnet-an-ai-model-designed-to-identify-wildlife/

聲明：1）本文僅代表資訊、以及作者本人的觀點；僅供讀者參考，不代表平臺觀點。2）本文已經開啟“快捷轉載”，歡迎微信公眾平臺轉發；3）歡迎專家、讀者不吝指正、留言、賜稿！歡迎有理有據的不同意見，激發思考、百家爭鳴。

資訊源 | Thornton D, Morris D, King T, et al.（2026）

文 | 王芊佳

排版 | 盧曉雨

時間 | 2026年5月

聯系小編 | editor@oceanbiodiversity.cn

▼海潮天下·往期推薦

?美國正式啟動“創世使命”！17個國家實驗室將徹底AI化，AI智能體接管實驗
?17歲華裔少女造出“人工樹”，用AI對抗入侵物種！北美農林有救了
?1.3厘米“天眼”剿毒草！北美草原外來物種的AI剿匪戰 | 荒野生態系統高精度動態監測創新
?大面積成像技術（LAI）引領海洋保護創新
?紀念詹姆斯·沃森 | 從DNA到人工智能，生物信息學如何塑造未來醫學與生物技術？
?許建初：人工智能時代非洲面臨的挑戰與機遇
?大堡礁首次實現機器人水下種草！海草床修復效率有望提升1000倍
?《美國國家水環境DNA戰略》正式發布， 10大聯邦機構攜手共促生物多樣性監測