[[390223]]

導(dǎo)語(yǔ)

計(jì)算機(jī)算法不僅可以幫助我們檢查軟件程序中的bug，也能助力科學(xué)家去尋找自然界中的真·bug。今年發(fā)表于 PNAS 的一篇論文，提出了基于傳感器的大規(guī)模昆蟲(chóng)檢測(cè)，利用深度學(xué)習(xí)技術(shù)，獲得全面的生態(tài)信息大數(shù)據(jù)。

生物種群進(jìn)入高速滅跡新時(shí)期

世界走到了某個(gè)緊要的關(guān)頭：許許多多的征兆似乎在預(yù)示著世界末日的來(lái)臨。以生物學(xué)為例，人類現(xiàn)在所經(jīng)歷的第六次生物大滅絕，可能等同于6500萬(wàn)年前的白堊紀(jì)生物滅絕事件。在那次事件中，恐龍——地球上曾經(jīng)的主宰——沉入地下，成為了巖層中的化石。無(wú)論是科學(xué)家還是博物愛(ài)好者都能輕而易舉查閱到大量的鳥(niǎo)類、哺乳類和兩棲動(dòng)物的滅絕記錄，在那一時(shí)期，地球上大約有80%的物種消失了。

現(xiàn)在，有眾多研究報(bào)告表明，昆蟲(chóng)在消失。三年前，德國(guó)克雷菲爾德昆蟲(chóng)學(xué)會(huì)發(fā)布的報(bào)告總結(jié)并指出，30 年來(lái)，飛行類昆蟲(chóng)的數(shù)量減少了75％。隨后，一項(xiàng)發(fā)表于 Nature [1]上關(guān)于昆蟲(chóng)總生物量和種群數(shù)量的測(cè)量研究也證實(shí)了這一點(diǎn)。

昆蟲(chóng)在世界中發(fā)揮了重要作用

然而，相較于其他表明昆蟲(chóng)種群數(shù)量依舊穩(wěn)定的研究，這樣的結(jié)論也許確實(shí)聳人。研究人員一直在思考，是否學(xué)界夸大了昆蟲(chóng)滅絕的影響。考慮到昆蟲(chóng)對(duì)我們?nèi)祟惿姝h(huán)境的重要影響，在作出相應(yīng)的結(jié)論前，研究人員應(yīng)當(dāng)擁有準(zhǔn)確詳細(xì)的數(shù)據(jù)。昆蟲(chóng)類似能自動(dòng)加油的微型汽車(chē)。昆蟲(chóng)的身體結(jié)構(gòu)比人類發(fā)明出的任何設(shè)施都要先進(jìn)。昆蟲(chóng)可以執(zhí)行不計(jì)其數(shù)的任務(wù)，從瓜果蔬菜到野草花粉、從枯枝爛葉到糞便腐肉，昆蟲(chóng)的身影可以說(shuō)無(wú)處不在，它們凈化了土壤與水體，并促進(jìn)了在營(yíng)養(yǎng)物質(zhì)在自然界中的循環(huán)。

[[390224]]

蜜蜂提供授粉（圖源pixabay）

所以說(shuō)，昆蟲(chóng)為生態(tài)系統(tǒng)中其他不計(jì)其數(shù)的物種提供了食物來(lái)源，昆蟲(chóng)數(shù)量減少所造成的影響可能是無(wú)法想象的。雖然現(xiàn)代科技發(fā)展迅猛，而且研究人員對(duì)昆蟲(chóng)的探索手段并沒(méi)有顯著提高?？蒲腥藛T仍然采用緩慢低效的勞動(dòng)力密集型手段來(lái)對(duì)昆蟲(chóng)進(jìn)行跟蹤。如果他們能借助新的科技去完成這項(xiàng)古老的工作，獲得昆蟲(chóng)更詳細(xì)的信息，相應(yīng)問(wèn)題也就更容易解決。

人工智能帶來(lái)希望

不過(guò)，近十年來(lái)，深度學(xué)習(xí)等技術(shù)的發(fā)展為昆蟲(chóng)學(xué)這一古老的學(xué)科帶來(lái)了新的機(jī)遇?；谏疃葘W(xué)習(xí)算法的圖像處理技術(shù)和計(jì)算機(jī)視覺(jué)技術(shù)正在替代傳統(tǒng)的人工觀測(cè)方法。

在農(nóng)業(yè)中，昆蟲(chóng)通常被視為害蟲(chóng)，因此已有的昆蟲(chóng)檢測(cè)技術(shù)往往是通過(guò)檢測(cè)昆蟲(chóng)的行為，開(kāi)發(fā)更加高效的殺蟲(chóng)劑從而防治蟲(chóng)害。不過(guò)，科研人員可以基于同樣的技術(shù)原理改變其用途。近期的研究就表明，利用攝像機(jī)、雷達(dá)與麥克風(fēng)等傳感設(shè)備可以獲得的數(shù)據(jù)集規(guī)模比傳統(tǒng)的觀測(cè)手段要高出多個(gè)數(shù)量級(jí)。因此深度學(xué)習(xí)算法就成為了一個(gè)提取處理數(shù)據(jù)的重要工具。

這一方法已經(jīng)在單一物種的檢測(cè)中得到了應(yīng)用。例如，科研人員可以把一種以橄欖樹(shù)為食的昆蟲(chóng)引誘至陷阱中，然后自動(dòng)拍照并利用遠(yuǎn)程服務(wù)器中的算法進(jìn)行分析。相應(yīng)的識(shí)別算法在人臉識(shí)別問(wèn)題中已經(jīng)超越了人類的能力，在昆蟲(chóng)領(lǐng)域自然也不例外。深度神經(jīng)網(wǎng)絡(luò)已經(jīng)可以識(shí)別并統(tǒng)計(jì)昆蟲(chóng)的數(shù)量，此外也能獲得更加豐富的內(nèi)容，如蜜蜂和其他訪花昆蟲(chóng)的季節(jié)性動(dòng)態(tài)信息。

Høye 和他的同事們[2]就專注于幾項(xiàng)潛在的革命性研究應(yīng)用。首先，為了更好地了解全球昆蟲(chóng)減少的嚴(yán)重程度，世界各國(guó)的研究機(jī)構(gòu)都可以開(kāi)始采用基于圖像識(shí)別技術(shù)進(jìn)行昆蟲(chóng)豐度和多樣性監(jiān)測(cè)。類似乎拍照識(shí)花之類的手機(jī)應(yīng)用，人們也可以采用同樣的思路去識(shí)別單只昆蟲(chóng)[3，4]。雖然這種方法并不太適用于嚴(yán)肅系統(tǒng)化的生態(tài)檢測(cè)與科研任務(wù)，但也是一個(gè)值得期待的方向。能生成高時(shí)空分辨率圖像的延時(shí)相機(jī)也在研發(fā)當(dāng)中，這類技術(shù)可以應(yīng)用于對(duì)田野、森林等區(qū)域中特定昆蟲(chóng)物種的檢測(cè)。

深度學(xué)習(xí)進(jìn)一步助力昆蟲(chóng)研究

這些新技術(shù)也為了解物種之間的相互作用帶來(lái)了契機(jī)。物種之間的相互作用對(duì)于整個(gè)生態(tài)系統(tǒng)而言至關(guān)重要。但因其出現(xiàn)的時(shí)間不確定且概率較低，因此難以人工檢測(cè)并進(jìn)行記錄。然而，高速圖像檢測(cè)技術(shù)就可以解決這一問(wèn)題。諸如，昆蟲(chóng)造訪花朵與動(dòng)物采食青草、落葉植物等過(guò)程都可以通過(guò)固定的攝像機(jī)機(jī)位對(duì)生物的完整生長(zhǎng)過(guò)程進(jìn)行記錄。延時(shí)相機(jī)和深度學(xué)習(xí)技術(shù)在記錄植物-昆蟲(chóng)相互作用方面的能力也已經(jīng)被得到了驗(yàn)證。

物種間具有復(fù)雜互作關(guān)系 Nature (S. Seibold et al. Nature 574, 671–674; 2019)

一個(gè)更為宏大的目標(biāo)就是利用機(jī)器學(xué)習(xí)圖像識(shí)別分類的技術(shù)來(lái)推動(dòng)分類學(xué)自身的發(fā)展。在近期的一項(xiàng)研究中，通過(guò)對(duì)約65000張博物館標(biāo)本甲蟲(chóng)圖像的數(shù)據(jù)進(jìn)行學(xué)習(xí)，識(shí)別系統(tǒng)達(dá)到了75%的成功率。雖然，識(shí)別系統(tǒng)的成功率會(huì)改進(jìn)提升，但分類學(xué)家也不必?fù)?dān)心“人工智能搶飯碗”等失業(yè)問(wèn)題。新的技術(shù)可以應(yīng)用于常規(guī)的識(shí)別鑒定工作，以減輕科研工作者的工作負(fù)擔(dān)，讓專業(yè)人士的精力能更多的分配到標(biāo)本研究的工作中。