研究职员提出了人工智能与生态学之间的协同浸染，认为生态学可以引发更具弹性的人工智能，而人工智能则可以应对环球生态寻衅。
两者的共同进步可以供应变革性的办理方案，缩小两个不同学科之间的差距。
图片来源：Barbara Han

该论文最近揭橥在《美国国家科学院院刊》（Proceedings of the National Academy of Sciences）上，认为人工智能与生态学之间的协同浸染既能加强人工智能，又能帮助办理繁芜的环球性寻衅，如疾病爆发、生物多样性损失和气候变革影响等。

这一想法源于这样一种不雅观察，即人工智能在某些任务上的表现可能好得令人震荡，但在其他任务上还远远不足--人工智能的发展正在碰钉子，而生态学事理可以帮助它战胜这些碰钉子。

卡里生态系统研究所的疾病生态学家芭芭拉-韩（Barbara Han）阐明说：\"大众我们在生态学领域常常处理的那些问题，不仅是人工智能在纯粹创新方面可以受益的寻衅，也是如果人工智能能够供应帮助，对环球利益意义重大的问题，可以真正造福人类。
\"大众

人工智能如何帮助生态学

生态学家--包括Han在内--已经在利用人工智能来搜索大型数据集中的模式，并做出更准确的预测，比如新病毒是否可能传染人类，以及哪些动物最有可能携带这些病毒。

不过，这篇新论文认为，人工智能在生态学中的运用还有更多可能性，比如综合大数据和探求繁芜系统中缺失落的环节。

科学家们常日试图通过同时比较两个变量来理解天下--例如，人口密度如何影响传染病的病例数？凯里研究所的疾病生态学家喷鼻香农-拉多（Shannon LaDeau）阐明说，问题在于，与大多数繁芜的生态系统一样，预测疾病传播取决于许多变量，而不仅仅是一个变量。
生态学家并不总是知道所有这些变量是什么，他们只局限于那些随意马虎丈量的变量（例如，相对付社会和文化成分），而且很难捕捉到这些不同变量之间是如何相互浸染的。

拉多说：\"大众与其他统计模型比较，人工智能可以整合更多的数据和多样化的数据源，这可能会帮助我们创造新的相互浸染和驱出发分，而这些成分可能是我们没有想到的。
开拓人工智能以更好地捕捉更多类型的数据大有可为，比如那些确实难以用数字来概括的社会文化见地。
人工智能有助于创造这些繁芜的关系和突发特性，可以产生独特的假设来进行测试，并开辟全新的生态学研究方向。
\公众

生态学如何让人工智能变得更好

人工智能系统是出了名的薄弱，有可能造成毁坏性后果，如误诊癌症或导致车祸。

作者认为，生态系统令人难以置信的规复力可以引发出更强大、适应性更强的人工智能架构。
瓦尔什尼特殊指出，生态知识可以帮助办理人工神经网络中的模式崩溃问题，而人工神经网络常日是为语音识别、打算机视觉等供应动力的人工智能系统。

他阐明说：\公众模式崩溃是指当你对人工神经网络进行某项演习后，再对它进行其他演习，它就会忘却第一项演习。
通过更好地理解自然系统中模式崩溃发生或不发生的缘故原由，我们大概能学会如何让人工智能中不发生模式崩溃。
\公众

受生态系统的启示，更强大的人工智能可能包括反馈回路、冗余路径和决策框架。
这些灵巧性的升级也有助于为人工智能供应更多的'通用智能'，使其能够超越算法所演习的特天命据进行推理和建立联系。

生态学还有助于揭示为什么人工智能驱动的大型措辞模型（为 ChatGPT 等盛行谈天机器人供应动力）会涌现小型措辞模型所不具备的新兴行为。
这些行为包括\"大众幻觉\"大众--当人工智能产生缺点信息时。
由于生态学从多层次、全方位地研究繁芜系统，因此它长于捕捉类似的突现特性，并有助于揭示这些行为背后的机制。

此外，人工智能未来的发展取决于新的想法。
ChatGPT 的创造者 OpenAI 的首席实行官曾说过，进一步的进步不会仅仅来自于把模型做得更大，必须要有其他启示，生态学为新思路供应了一条路子。

共同进化

虽然生态学和人工智能一贯在朝着相似的方向独立发展，但研究职员表示，更密切、更寻思熟虑的互助可能会在这两个领域产生尚未想象到的进步。

生态复原力便是一个令人信服的例子，解释两个领域如何通过互助而受益。
对付生态学来说，人工智能在丈量、建模和预测自然规复力方面的进步可以帮助我们做好准备，应对景象变革。
对人工智能而言，更清楚地理解生态复原力的事情事理可以引发更有复原力的人工智能，从而更好地建模和研究生态复原力，这是一个正反馈循环。

更紧密的互助也有望促进这两个领域承担更大的社会任务。
生态学家们正在努力从土著和其他传统知识体系中接管理解天下的各种方法，而人工智能可以帮助领悟这些不同的思维办法。
找到整合不同类型数据的方法有助于提高我们对社会生态系统的理解，使生态学领域去殖民化，并纠正人工智能系统中的偏见。

凯里研究所生态系统科学家凯瑟琳-韦瑟斯（Kathleen Weathers）说：\公众人工智能模型建立在现有数据的根本上，当它们回到现有数据时，会进行演习和再演习。
当我们的数据缺口将 60 岁以上的女性、有色人种或传统认知办法打消在外时，我们创建的模型就会存在盲点，从而使不公道征象长期存在。
\"大众

要实现人工智能与生态学研究的领悟，须要在这两个各不相谋的学科之间架起桥梁，目前，这两个学科利用不同的词汇，在不同的科学文化中运作，资金来源也不尽相同。
新论文只是这一过程的开始。

\"大众我希望它至少能引发很多对话，\"大众Han 说。

作者写道，投资生态学和人工智能的领悟进化有可能产生变革性的不雅观点和解决方案，就像最近在谈天机器人和天生式深度学习方面取得的打破一样，具有超乎想象的颠覆性。
\"大众成功领悟的意义不仅在于推进生态学科或实现人工通用智能，它们对付在不愿定的未来中坚持和发展都至关主要\公众。