我们知道，AI正在重塑野生动植物保护

在塞内加尔的湿地上，研究员亚历山大·德尔普兰克（Alexandre delplanque）飞行员一辆无人驾驶飞机来计算水鸟：鹈鹕，火烈鸟和燕鸥。他估计，他驾驶无人机，但AI分析了图像以对羊群进行计数，每次调查将数千小时加速分析。时间至关重要。

自1970年以来，野生动植物的种群暴跌了超过70％。世界正处于生物多样性危机的痛苦中，据一些研究人员说，第六次巨大灭绝。地球此前曾经历过五次大规模灭绝事件，在白垩纪时期结束时进行了最后一次迎接：臭名昭著的小行星冲击时期，释放了核冬季并杀死了恐龙。那是6600万年前。

要从灭绝的边缘中挽救物种，首先，您必须知道自己拥有的东西，以及多少通常会说起来容易做起来难，尤其是在有很多数量的领域。科学家估计少于20％的昆虫物种在地球上已经确定。在AI在巴拿马审查了一周的相机陷阱镜头之后，研究人员说他们发现超过300种以前是科学不知道的。

科学研究中AI的前提是并非没有批评家。高科技在保护方面的支持者提到了人工智能在几秒钟内分析大型数据集的能力，否则将需要几个月的时间，即AI在人类无法检测到的物种相互作用和分布中破译模式，并揭开令人眼花and乱的基因组。批评家指出，其环境影响，潜在的偏见以及道德标准不足。

AI在保护方面的大部分工作都集中在分析从远程摄像机或空中调查中拍摄的数千个小时的录像，但不可能在此结束。目前，研究人员专注于使用对象检测模型来处理录像，这是一种可以识别和在图像或视频中识别对象的AI。这些模型通常是由卷积神经网络（CNN）构建的，并经过训练以识别物种或检测其存在或不存在。

采用AI来节省物种的项目通常会引起媒体疯狂。南非的研究人员产生了一系列头条新闻，询问AI是否可以节省世界上最孤独的植物。科学家部署了无人机在茂密的恩戈伊森林（Ngoye Forest）上无法访问的缝隙，以寻找在伦敦的Kew植物园的男性寿命的女性伴侣。AI扫描了录像带，以示出野外被认为灭绝的物种的迹象，研究人员希望这确实不灭绝，只是在树冠下被掩盖。但是有人说这些头条新闻不考虑后果。

不列颠哥伦比亚大学的商业，可持续性和技术实验室负责人Hamish Van der Ven说，关于人工智能的应用以及不太重要的研究的应用以及不太重要的研究的热情研究浪潮。

AI模型的培训过程，例如大型语言模型（LLM），可以消费超过一千兆瓦电力。Shaolei Ren说，一个不太明显的问题，他的研究重点是最大程度地减少AI的健康影响，这是数据中心的水消耗。

数据中心容纳了为AI提供加工能力所需的基础设施，并且必须通过当地供水采购的淡水来冷却所有技术。由于其冷却需求，AI预计将退出42亿和66亿到2027年，每年的立方米水都会蒸发。而且，随着技术巨头将其数据中心出口到海外，环境影响并非如此。Google计划在拉丁美洲建造新数据中心智利和乌拉圭举行的大规模抗议，生物多样性地区已经患有严重干旱。

由于发出的空气污染物，数据中心还造成了公共卫生危机，包括细颗粒物（PM2.5）和一氧化二氮（NOX）。”美国数据中心触发的公共卫生负担主要位于低收入地区。到2030年二十亿。

然而，目前，大多数生物学家AI工作的足迹可以忽略不计。就他而言，Delplanque拥有一台本地计算机处理图像，他的Herdnet模型有助于萨凡纳（Savannah）上密集包装的动物的人口计数，例如大象和羚羊的训练，大约需要十二个小时的训练，与在训练过程中运行的大型服务器相比，LLMS大约需要LLMS。

我们一直以科学家的身份感到关注：我们实际上是否损害了我们努力帮助的环境？至少在我们谈论的情况下，我不会这么认为，因为我们对我们来说很大的模型 - 但这并不像社交网络的大数据，”麦吉尔大学定量生态学助理教授劳拉·波洛克（Laura Pollock）说，他旨在部署AI来推出物种相互作用。

但是计算生态学家Tanya Berger-Wolf认为，当前的低功耗应用程序在利用了这项技术的全部潜力，将图像识别称为“老式AI”。未实现的潜力AIâ的扩展生物多样性知识。

贝格·沃尔夫（Berger-Wolf）说，我们想超越人们对人们已经做的事情的缩放和加速，例如产生可测试的假设或提取看不见的模式和组合。”

到目前为止，我们一直在使用AI所做的事情是显而易见的，这是所有快速的图像检测和声学监测，但我们应该做的不仅仅是这样做：使用AI提出正确的生态问题，” Pollock说。

引起掌声和谴责的一种潜在应用是使用AI来解码动物交流的概念。地球物种项目正在使用生成的AI和LLM，以期建立翻译人员与非人类生活进行交流。也有CETI项目，重点是使用类似的方法来理解精灵鲸鱼，从理论上讲，通过类似于摩尔斯的代码的点击进行通信。科学家已经设法采用了机器学习建议大象解决个人在他们的家庭中以独特的名字。但是，解码动物交流的更大前提提出了道德问题和对成功的关注。换句话说：它会起作用吗？这是浪费资源吗？我们应该与动物交谈吗？

贝格·沃尔夫（Berger-Wolf）警告说，我们必须选择这些型号会有所作为的地方，而不仅仅是使用它们，因为您有一个闪亮的新玩具。诸如LLMS之类的应用程序促进了巨大的环境足迹，因此，如果研究结果不变，则花费资源不负责任。数据是一种资源。

模型仅与他们经过培训的数据一样好，这可能导致偏见和保护行动的错误改善。最常见的问题之一包括空间偏见，在数据集中某些地区的物种过多的物种和分类学偏见，在这种偏见中，像Pandas这样的富有魅力的物种获得更多的资金，因此，在它们上可以随时获得更多的数据，而与甲壳虫相比，它们更容易获得。但是AI也可以偏向我们的看法，甚至巧妙地塑造了我们提出的问题，Van der Ven是谁撰写了一篇论文关于LLMS如何低调环境挑战。

AI提供的偏见，提取资源和驱动过量的选择要比有保护应用程序要多得多。他说，如果我能挥舞魔杖和毫无用的AI，”他说。•如果我们权衡保护的好处与亚马逊使用AI的有效性使消费者购买更多东西，那么这是一个非常不平衡的规模。”

在2024年，Google宣布了AI模型的部署，以收听珊瑚礁：Surfperch。生物声学在评估礁石稳定性方面起着关键作用 - 更健康的礁石听起来​​不同，并且冲浪分析音频签名以衡量珊瑚恢复工作的成功或确定即将来临的威胁。在该工具部署时，Google还宣布，由于该工具人工智能的环境需求。

伯杰·沃尔夫（Berger-Wolf）说，在保护中使用AI并不是虚伪的。”但是，当涉及到监管时，她都沉思地说，生物多样性和既不符合地缘政治边界。