在當今世界，生物多樣性正遭受前所未有的威脅。根據(jù)聯(lián)合國《生物多樣性和生態(tài)系統(tǒng)服務(wù)全球評估報告》的最新數(shù)據(jù)，目前有約100萬種生物正徘徊在滅絕的邊緣，而這種狀況不僅危及地球生態(tài)系統(tǒng)的健康運轉(zhuǎn)，更直接影響人類社會的可持續(xù)發(fā)展[1]。如何有效利用先進技術(shù)，尤其是正蓬勃發(fā)展的人工智能（artificialintelligence，AI），以贏得這場與時間賽跑的保衛(wèi)戰(zhàn)，已成為生物多樣性領(lǐng)域的緊迫議題。

當前沿科技與自然保護相遇，一場變革正悄然發(fā)生。從自動化的物種監(jiān)測和精準的個體識別，到生態(tài)系統(tǒng)變化的動態(tài)預(yù)測，再到公眾參與機制的革新，以及保護地適應(yīng)性管理決策，AI的應(yīng)用正逐漸滲透到生物多樣性領(lǐng)域的各個方面。AI不僅為研究者和實踐者提供了強大的工具，還在改變著人們對于保護問題的思考方式和保護行動的實踐方法。

AI的發(fā)展歷程

AI是計算機科學(xué)的一個分支，旨在開發(fā)可執(zhí)行通常需人類智能才能完成的任務(wù)系統(tǒng)，這些任務(wù)包括學(xué)習(xí)、推理、問題解決、感知、語言理解與生成、決策、視覺識別等。簡言之，AI讓機器變得更“聰明”，可完成通常由人類來做的事情。然而，這項技術(shù)并非一蹴而就，而是建立在數(shù)十年不斷迭代與進步的基礎(chǔ)上[2，3]。

1950年，英國數(shù)學(xué)家圖靈（A.MTuring）提出了著名的圖靈測試（TuringTest），這是一種判斷機器能否像人類那樣思考的方法。圖靈認為，如果一臺機器能與人類對話，并且人類無法區(qū)分其對話的對象是人類還是機器，那么這臺機器就可被認為具備智能。圖靈的理論為AI的發(fā)展奠定了基礎(chǔ)。1956年，在美國新罕布什爾州達特茅斯學(xué)院舉辦的一次會議上，AI概念被正式提出，并成為現(xiàn)代AI研究的起點。當時的研究主要集中在邏輯推理和符號處理方面，例如開發(fā)基于邏輯規(guī)則的專家系統(tǒng)，以便用于模擬人類專家的決策過程。同樣在1950年代，研究者們開始探索機器學(xué)習(xí)，嘗試讓機器從數(shù)據(jù)中學(xué)習(xí)并提升自身的性能。1952年，國際商業(yè)機器公司的工程師塞繆爾（A.L.Samuel）開發(fā)了一種跳棋程序，其策略評估算法能通過自我改進提升棋力；隨著對弈次數(shù)的增加，該程序的表現(xiàn)也越來越強。

到1980年代，AI研究引入了決策樹和人工神經(jīng)網(wǎng)絡(luò)等算法，使計算機能從數(shù)據(jù)中學(xué)習(xí)，并在沒有為特定任務(wù)進行顯式編程的情況下做出預(yù)測或決策。隨著1990年代互聯(lián)網(wǎng)的興起和數(shù)據(jù)量的激增，深度學(xué)習(xí)逐漸成為AI研究的焦點，并已被證明是處理和分析大規(guī)模數(shù)據(jù)的有效方法。2006年，辛頓（G.Hinton）的團隊提出“深度信念網(wǎng)絡(luò)”概念，推動了深度學(xué)習(xí)在計算機視覺和自然語言處理等領(lǐng)域的應(yīng)用，大幅提升了機器學(xué)習(xí)在圖像理解、語言處理等復(fù)雜任務(wù)中的表現(xiàn)。

近年來，生成式人工智能（generativeartificialintelligence，GAI）成為AI領(lǐng)域的重大進展。GAI能根據(jù)輸入的數(shù)據(jù)生成新的內(nèi)容或樣本，其發(fā)展基于大規(guī)模文本數(shù)據(jù)的預(yù)訓(xùn)練和名為“transformer”（轉(zhuǎn)換器）的神經(jīng)網(wǎng)絡(luò)架構(gòu)。該架構(gòu)的模型通過有效處理文本中的長距離依賴關(guān)系，實現(xiàn)了對上下文的深度理解和記憶?；诖耍陨墒筋A(yù)訓(xùn)練轉(zhuǎn)換器（generativepretrainedtransformer，GPT）為代表的大語言模型不斷迭代發(fā)展，能進行問答、文本生成、情感分析等多種任務(wù)，具備強大的語言生成和預(yù)測能力。特別是聊天GPT（ChatGPT，又稱優(yōu)化對話的語言模型）等自然語言處理模型，由于門檻低、互動性強和便于使用，令公眾直觀感受到AI的強大力量。

AI在生物多樣性領(lǐng)域的應(yīng)用案例

AI在生物多樣性領(lǐng)域展現(xiàn)出巨大的潛力，現(xiàn)已廣泛應(yīng)用于生物多樣性的監(jiān)測、研究、保護和管理等方面。隨著相關(guān)技術(shù)的不斷進步，AI正逐步成為自然保護研究和實踐工作不可或缺的工具。

在監(jiān)測和研究上的應(yīng)用案例

物種的調(diào)查、識別和監(jiān)測是自然保護的基石。許多現(xiàn)代工具（如紅外相機、衛(wèi)星遙感、無人機、社交媒體）的迅速發(fā)展為研究者和實踐者提供了大量寶貴的數(shù)據(jù)，然而處理這些數(shù)據(jù)往往既單調(diào)又耗時，尤其是在面對大量圖像、音頻和文本信息時更是如此。通過深度學(xué)習(xí)等AI技術(shù)，研究者能從紅外相機捕捉的照片和視頻中實現(xiàn)物種自動識別。例如在2020年，一個由多所大學(xué)的科學(xué)家組成的研究團隊利用深度學(xué)習(xí)模型對25只圈養(yǎng)大熊貓的照片進行分析，成功地辨別出不同的個體[4]。

然而在野外工作中，調(diào)查方法和強度、天氣和植被的限制等因素常常導(dǎo)致數(shù)據(jù)質(zhì)量不佳或缺乏適當類型的數(shù)據(jù)，從而影響了AI的有效應(yīng)用。為解決這些問題，波蘭一個名為“WildBook”（野書）的非營利性項目建立了開源軟件平臺（www.wildme.org/wildbook.html），將野生動物研究與AI和公眾科學(xué)相結(jié)合；其圖像數(shù)據(jù)可以來自相機陷阱（cameratrap）、無人機、社交媒體等多種來源，并用AI進行物種分類和個體識別，從而提升監(jiān)測的效率和準確性。截至2024年初，該平臺已涵蓋超過50個物種的信息，并為世界自然保護聯(lián)盟的物種紅色名錄評估提供了重要支持。在國內(nèi)，北京山水自然保護中心（簡稱山水）攜手騰訊基金會，共同打造了一個專門高效處理紅外相機數(shù)據(jù)的AI平臺，以助力雪豹種群數(shù)量和分布調(diào)查。山水在青海三江源地區(qū)廣泛布設(shè)了紅外相機，以捕捉雪豹等野生動物的珍貴影像。在以前，這些海量數(shù)據(jù)的處理與分析是一項艱巨的任務(wù)，嚴重制約了保護研究工作的進展。如今，通過引入先進的AI識別模型，山水的平臺能自動對紅外相機收集到的數(shù)據(jù)進行初步篩選，有效剔除無效的空拍圖片，并初步識別出不同的物種；公眾科學(xué)志愿者隨后參與到物種驗證與雪豹個體識別環(huán)節(jié)中，基于AI的初步結(jié)果進行細致的審核與修正，確保數(shù)據(jù)的準確性；對于AI和公眾科學(xué)志愿者難以決斷的情況，則由專業(yè)團隊和復(fù)核志愿者進行最終鑒定。這一流程極大地減輕了人工負擔，加快了數(shù)據(jù)處理速度。

另一項在生物多樣性監(jiān)測中廣泛應(yīng)用的AI技術(shù)是生物聲學(xué)監(jiān)測。與紅外相機監(jiān)測相比，被動式的聲學(xué)監(jiān)測幾乎不受光線和天氣條件的影響，能全方位感知環(huán)境，且在分析高分辨率、長時間跨度的數(shù)據(jù)時成本較低。早在1990年代，海洋動物的聲學(xué)監(jiān)測便已吸納了AI技術(shù)。然而，AI在其他生物類群監(jiān)測中的應(yīng)用則在近年來才得到發(fā)展。例如在2023年，澳大利亞的研究團隊使用卷積神經(jīng)網(wǎng)絡(luò)（convolutionalneuralnetwork，CNN）架構(gòu)來分析昆士蘭的某種寬趾蟾（Taudactyluspleione）的叫聲模式，發(fā)現(xiàn)相較于傳統(tǒng)方法，CNN能更準確地識別該蟾的叫聲[5]；CNN+遞歸神經(jīng)網(wǎng)絡(luò)（recurrentneuralnetwork，CRNN）架構(gòu)被用于分析樹袋熊（別名考拉）的活動模式，能很好地識別其叫聲并跟蹤其行為變化[5]。然而，AI在生物聲學(xué)領(lǐng)域的應(yīng)用也面臨諸多挑戰(zhàn)，例如需要大量的訓(xùn)練、統(tǒng)一的數(shù)據(jù)收集標準，以及提升模型的準確性。

此外，理解生態(tài)系統(tǒng)復(fù)雜的動態(tài)變化對于制定保護目標以及選擇管理手段至關(guān)重要。在過去，研究者主要依賴傳統(tǒng)的統(tǒng)計和數(shù)學(xué)模型來預(yù)測生態(tài)系統(tǒng)的變化過程。然而隨著AI的發(fā)展，研究者獲得了更便捷且高效的分析工具。例如，隨機森林（RandomForest）模型已被廣泛應(yīng)用于物種適宜棲息地的預(yù)測。該模型利用一些環(huán)境特征（氣候、土壤類型、水源分布等）作為數(shù)據(jù)輸入，將物種的存在或缺失作為結(jié)果輸出，通過訓(xùn)練該模型來預(yù)測給定環(huán)境條件下物種存在的可能性或適宜性。這種方法可在大范圍內(nèi)評估物種的潛在分布區(qū)或適宜的棲息地，預(yù)測氣候變化、土地利用變化等因素對物種分布的影響，為生態(tài)保護、資源管理和應(yīng)對生物多樣性喪失提供有價值的信息。

在自然保護和管理上的應(yīng)用案例

AI還在促進自然保護和管理的實踐中發(fā)揮著重要作用。眾所周知，人類活動是導(dǎo)致全球生物多樣性持續(xù)快速喪失的主要驅(qū)動因素之一，而通過了解人類與野生生物之間的各種直接和間接的互動，我們能更有效地識別生物多樣性面臨的威脅，從而采取相應(yīng)的措施。

AI分析社交媒體上的生物多樣性信息社交媒體已成為理解特定人群對野生動物保護議題認知和態(tài)度的重要信息源。借助自然語言處理技術(shù)等AI來分析社交媒體數(shù)據(jù)，可揭示人類活動的時空分布，理解公眾對特定保護議題的態(tài)度和情緒反應(yīng)，并提升保護機構(gòu)的工作效率。南非克魯格國家公園作為全球著名的野生動物觀賞地點，吸引了眾多國內(nèi)外游客。該國家公園的管理部門通過追蹤來訪游客在社交媒體上發(fā)布的游覽分享，分析人與自然交互的熱點地區(qū)，從而調(diào)整人流方向，避免人流過度集中對公園內(nèi)生物多樣性造成壓力[6]。世界自然基金會的實踐進一步證明了社交媒體數(shù)據(jù)分析的價值，通過采用名為“來自轉(zhuǎn)換器的雙向編碼器表征”（bidirectionalencoderrepresentationsfromtransformers）的機器學(xué)習(xí)模型，開發(fā)了新聞熊貓（NewsPanda）系統(tǒng)，用于自動提取和分析與野生動物保護相關(guān)的新聞文章，實現(xiàn)新聞實時追蹤、情感分析和趨勢預(yù)測，以便采取及時的保護行動。在過去，人工識別7～10篇相關(guān)文章可能需2～3天才能完成；而如今，世界自然基金會的這種AI的應(yīng)用使得保護機構(gòu)能高效追蹤各種媒體上的生物多樣性新聞，如1個保護團隊每周可處理約50篇文章，從而快速了解相關(guān)問題或輿論的發(fā)展，及時響應(yīng)潛在的危機，或?qū)ΡＷo傳播策略進行調(diào)整[7]。

AI預(yù)防人與野生動物沖突2019年，為緩解人象沖突，云南西雙版納國家級自然保護區(qū)管護局聯(lián)合科技企業(yè)和公益基金會，在西雙版納雨林地區(qū)建立了野生亞洲象監(jiān)測預(yù)警體系。該體系在野象經(jīng)常出沒的雨林和村莊周圍部署了大量紅外相機和視頻監(jiān)測設(shè)備，全天候?qū)崟r采集影像數(shù)據(jù)。這些數(shù)據(jù)通過移動網(wǎng)絡(luò)同步自動傳輸?shù)皆破脚_，并由基于AI算法構(gòu)建的亞洲象識別模型對照片和視頻進行智能識別和分類，識別準確率已達96%。隨后，野象即將出沒的安全預(yù)警信息通過智能廣播、手機應(yīng)用（APP）等平臺發(fā)送，提醒附近村民及時回避，其有效預(yù)警率高達83%，且最快能在12秒內(nèi)送達[8]。這不僅有助于緩解人象沖突，還為未來的亞洲象國家公園規(guī)劃提供了科學(xué)依據(jù)，形成一張覆蓋亞洲象分布區(qū)和周邊村莊的保護網(wǎng)絡(luò)。

AI促進自然保護地管理決策的智能化升級保護地的有效管理需綜合考慮環(huán)境壓力、治理架構(gòu)、社會動態(tài)和問責機制等因素，并能根據(jù)情況變化靈活地調(diào)整管理策略。管理者需持續(xù)收集有關(guān)保護地現(xiàn)狀和管理措施成效的數(shù)據(jù)，用以支持科學(xué)決策。由國際野生生物保護學(xué)會（WildlifeConservationSociety）等自然保護組織聯(lián)合開發(fā)的“空間監(jiān)測和匯報工具”（SpatialMonitoringandReportingTool，SMART；https：//smartconservationtools.org/en-us/），如今已在全球的保護地管理中得到廣泛應(yīng)用。作為一個開放的軟件平臺，SMART提供了一整套工具，包括基于巡護員的數(shù)據(jù)收集、多方數(shù)據(jù)存儲，以及利用AI進行數(shù)據(jù)分析。該工具能幫助準確記錄野生動物分布與數(shù)量信息、規(guī)劃巡邏路線、監(jiān)測非法活動，并標準化這些數(shù)據(jù)，用于保護地圖制作、現(xiàn)狀分析和技術(shù)報告，為保護地的研究、旅游管理、自然資源利用等提供了重要的信息支持。

我國東北虎豹國家公園的天地空一體化監(jiān)測系統(tǒng)被認為是全球首個大面積覆蓋的自然資源實時監(jiān)測系統(tǒng)。它擁有95個基站，信號覆蓋了約5000千米2的區(qū)域，約占該國家公園面積1.41萬千米2的35%，實現(xiàn)了對園內(nèi)重要生態(tài)系統(tǒng)的實時感知和科學(xué)管理。該系統(tǒng)集成了影像設(shè)備、無人機、傳感器和物聯(lián)網(wǎng)技術(shù)，實現(xiàn)多維度的生態(tài)監(jiān)測；通過無線網(wǎng)絡(luò)、光纖網(wǎng)絡(luò)等通信手段，實現(xiàn)多網(wǎng)絡(luò)融合通信；基于高性能計算和云計算，利用大數(shù)據(jù)和AI進行智能數(shù)據(jù)處理；依賴AI和專業(yè)人員的決策，推進系統(tǒng)的持續(xù)迭代和演化，為保護地的精細化管理提供了多場景的輔助運營能力。

機 遇

AI在生物多樣性領(lǐng)域的應(yīng)用雖已取得許多顯著成果，但其潛力遠未完全釋放。隨著技術(shù)發(fā)展，新機遇將會出現(xiàn)，AI在自然保護的應(yīng)用場景非常廣闊。

首先，GAI模型的發(fā)展，有望推動自然保護領(lǐng)域的大語言模型的建立。這些模型將幫助保護工作者提高效率，以更便捷的方式撰寫項目建議書，分析和梳理保護問題，編制針對不同人群的宣傳文案，甚至制作宣傳教育用的繪本和視頻。

其次，AI結(jié)合虛擬現(xiàn)實技術(shù)和交互式聊天機器人，可為那些沒有機會或時間親身感受自然的人提供沉浸式的線上體驗，使城市居民能比以往更直觀地感受到野生動植物的魅力。AI還可通過可視化形式，非常清晰明了地傳播生態(tài)知識和解釋繁雜的環(huán)境問題，了解公眾對自然保護的態(tài)度及其趨勢，瞄準最有效的教育和宣傳機會，將人們與野生動物和生態(tài)系統(tǒng)的價值重新連接起來。但需注意的是，當人們過多地通過依賴AI生成的屏幕畫面而非親身體驗自然時，可能會淡化他們對真實自然的感知和欣賞能力，以及與野生生物的情感聯(lián)系，進而削弱整個社會對自然保護的緊迫感和參與度。

最后，AI與機器人技術(shù)的結(jié)合將在數(shù)據(jù)收集、分析和決策支持方面展現(xiàn)出巨大潛力。一是機器人可在偏遠或危險地區(qū)進行自動化監(jiān)測，收集大量生態(tài)數(shù)據(jù)，并通過AI實時分析，生成用于科學(xué)決策的支持材料。二是這些技術(shù)不僅可幫助研究者理解復(fù)雜的生態(tài)系統(tǒng)，從而為政策制定者提供精準的科學(xué)依據(jù)，還能在某些特定條件下，代替人類去執(zhí)行保護和管理措施，如棲息地修復(fù)、入侵種清除、人獸沖突預(yù)防等。三是可能幫助我們理解非人類生命的信息交流方式（甚至是語言），并與這些生命進行溝通，進一步深化人與野生動物的聯(lián)系，為促進人與自然和諧共生創(chuàng)造更多可能性。

問題與挑戰(zhàn)

盡管人工智能在生物多樣性領(lǐng)域展現(xiàn)出巨大的應(yīng)用價值，但其伴隨而來的挑戰(zhàn)亦不容忽視，涉及的社會和倫理問題日益凸顯。

技術(shù)樂觀主義的泛濫

雖然AI在分析和預(yù)測方面表現(xiàn)出色，但這容易導(dǎo)致“技術(shù)無所不能”的錯覺，有時反而掩蓋了生態(tài)危機背后錯綜復(fù)雜的社會、經(jīng)濟、政治和文化根源。這種“技術(shù)解決主義”傾向還可能使人們忽視自然與人類社會之間的深刻聯(lián)系，削弱對直接體驗自然的重視。

數(shù)據(jù)偏見與不平等的挑戰(zhàn)

AI系統(tǒng)的表現(xiàn)深受其訓(xùn)練數(shù)據(jù)集的影響，如果這些數(shù)據(jù)本身存在偏見或地域不平衡，AI的決策將隨之偏斜，甚至可能加劇既有的不平等。例如，過度依賴西方科學(xué)知識和高收入國家的訓(xùn)練數(shù)據(jù)，會邊緣化低收入國家、土著人民和地方社區(qū)（本專題相關(guān)文章中，凡提及“土著”和“土著人民”之處，均以《生物多樣性公約》的我國官文譯本中的相關(guān)文字為準）的AI貢獻，降低全球自然保護策略和手段的多樣性和包容性。不僅如此，AI系統(tǒng)偏好引用高被引率的出版物，這可能使得某些已被廣泛認可的觀點獲得更多關(guān)注和資源，而原本相對邊緣的視角和新興的觀點則被進一步邊緣化，限制了人們對人與自然和諧共生的理想狀態(tài)和實現(xiàn)路徑的想象空間。

AI數(shù)據(jù)隱私與安全的風險

AI系統(tǒng)在處理大量生態(tài)和生物多樣性數(shù)據(jù)時，可能面臨數(shù)據(jù)泄露和濫用的風險，尤其是在涉及敏感區(qū)域或物種時。如何平衡技術(shù)創(chuàng)新與數(shù)據(jù)保護，確保信息的透明度與安全性，是AI在自然保護領(lǐng)域長期可持續(xù)地應(yīng)用的關(guān)鍵問題。

AI的“黑匣子”特性導(dǎo)致的隱憂

AI系統(tǒng)的決策過程往往不透明，用戶難以追溯其邏輯依據(jù)。一旦人們認為大數(shù)據(jù)模型是客觀的而不加以質(zhì)疑時，就有可能將決策權(quán)交給AI，這或?qū)?dǎo)致算法的預(yù)測成為自我實現(xiàn)的預(yù)言。在生物多樣性領(lǐng)域，當AI代替人類決策時，這種算法的不透明性可能帶來一系列意想不到的后果。例如，錯誤的AI分類算法可能會將無辜的當?shù)厣鐓^(qū)成員錯誤地識別為外來偷獵者，從而引發(fā)嚴重的法律和安全問題。因此，提高AI系統(tǒng)的可解釋性，確保決策過程的透明與公正，是AI在自然保護中有效且負責任地應(yīng)用的關(guān)鍵因素。

AI的發(fā)展可能對地球生態(tài)系統(tǒng)施加更大壓力

人類文明的歷史表明，有些環(huán)境變遷與技術(shù)進步密切相關(guān)。已有研究指出，大語言模型的訓(xùn)練過程因?qū)Υ罅侩娏Φ男枨蠖@著增加了碳排放，如GPT-3的訓(xùn)練過程消耗了超過1287兆瓦時的電力，產(chǎn)生了約502噸二氧化碳當量排放量的碳足跡[9]。隨著AI模型的復(fù)雜性和規(guī)模不斷增加，預(yù)計能源需求將會上升。

未來展望

我們正處在一個復(fù)雜交織的時代。一方面，AI技術(shù)的飛速發(fā)展如同破曉之光，在深刻重塑當下生活方式的同時，照亮了未來的無限可能。另一方面，氣候變化和生物多樣性喪失的陰霾卻如烏云壓頂，警示著地球生態(tài)危機的緊迫與嚴峻。AI在生物多樣性領(lǐng)域的初步應(yīng)用已取得顯著成效，然而這項技術(shù)若應(yīng)用不當，可能對自然、社會乃至文化帶來威脅[10]。哈佛大學(xué)的當代著名生物學(xué)家威爾遜（E.O.Wilson）的警世之言“我們擁有石器時代的情感、中世紀的制度，卻掌握著如神一般的技術(shù)”，恰如其分地揭示了當代社會的悖論：在情感和本能層面，我們?nèi)员Ａ糁紶顟B(tài)；在社會架構(gòu)上，雖經(jīng)歷演變有所進步，卻仍顯不足；在技術(shù)層面，AI的崛起已賦予我們前所未有的力量。應(yīng)對包括生物多樣性危機在內(nèi)的各種現(xiàn)代挑戰(zhàn)，不僅是技術(shù)層面的難題，更需要對社會制度、文化觀念和人類自我認知進行深刻反思。

如何駕馭AI這把雙刃劍，使之成為實現(xiàn)人與自然和諧共生的強大助力，將考驗當代保護工作者的智慧。我們建議理性設(shè)定對AI在生物多樣性領(lǐng)域中的期望，深化跨學(xué)科和跨領(lǐng)域的交流與合作；同時審慎應(yīng)對相關(guān)倫理挑戰(zhàn)，深入探討AI時代的環(huán)境正義話題。我們祝愿未來的世界是一個可持續(xù)發(fā)展的共生社會，其中人類和非人類生命與AI協(xié)同演化[10]，相互依存，彼此適應(yīng)，共同邁向和諧的未來。

[1]IPBESsecretariat.GlobalassessmentreportonbiodiversityandecosystemservicesoftheIntergovernmentalScience-PolicyPlatformonBiodiversityandEcosystemServices.Bonn：IPBES，2019.

[2]MitchellM.Artificialintelligence：Aguideforthinkinghumans.NewYork：Farrar，StrausandGiroux，2019.

[3]FordM.ArchitectsofIntelligence：ThetruthaboutAIfromthepeoplebuildingit.Birmingham：PacktPublishing，2018.

[4]HouJ，HeY，YangH，etal.Identificationofanimalindividualsusingdeeplearning：Acasestudyofgiantpanda.BiologicalConservation，2020，242：108414.

[5]SharmaS，SatoK，GautamBP.Amethodologicalliteraturereviewofacousticwildlifemonitoringusingartificialintelligencetoolsandtechniques.Sustainability，2023，15（9）：7128.

[6]ToivonenT，HeikinheimoV，F(xiàn)inkC，etal.Socialmediadataforconservationscience：amethodologicaloverview.BiologicalConservation，2019，233：298-315.

[7]KehSS，ShiZR，PattersonDJ，etal.Newspanda：Mediamonitoringfortimelyconservationaction.ProceedingsoftheAAAIConferenceonArtificialIntelligence.2023，37（13）：15528-15536.

[8]王曼，劉銘宇，王仕華，等.人工智能技術(shù)在西雙版納野生亞洲象監(jiān)測預(yù)警中的首次應(yīng)用.野生動物學(xué)報，2023，44（3）：477-485.

[9]LuccioniAS，ViguierS，LigozatAL.Estimatingthecarbonfootprintofbloom，a176bparameterlanguagemodel.JournalofMachineLearningResearch，2023，24（253）：1-15.

[10]劉杰，韓寧，高潔.人類與人工智能的共軛進化芻議.科學(xué)，2024，76（4）：33-38.

關(guān)鍵詞：人工智能AI自然保護生物多樣性人與自然和諧共生■