人工智能比以往更需要扎实的植物学数据

作者2017年毕业于美国仅存的独立植物学系之一，本科接受了扎实的植物与真菌分类学训练，这为其博士阶段从事地下块菌（松露）生态学研究奠定了基础。然而，该植物学系现已撤销，课程被并入泛化的生物学通识项目。作者起初只视其为学生专业训练的损失，后来意识到这实则是系统性危机：缺乏长期、聚焦生物本体的分类学培养，导致新一代科研人员难以准确识别、界定和描述物种。以作者在加州内华达山脉寻找和鉴定松露为例，一个松露标本的鉴定需综合考察外皮颜色质地、内部组织气味密度、孢子显微结构及共生树种等多重特征——这类能力需多年沉浸式训练，而普通生物学课程往往仅用一两天讲授植物或真菌。分类学是生物多样性研究的基石：只有准确认知‘是什么物种’，才能有效监测、保护生物资源。但全球分类学专家正加速消失，问题已蔓延至人工智能领域——大语言模型等AI系统依赖已发表文献中的物种学名进行学习，而地球上超90%的真菌尚未被正式命名，大量生物在数据库中‘无名无姓’，AI对此束手无策。当前科技巨头正大力进军生物技术（如Anthropic收购生物AI公司、OpenAI布局药物发现与蛋白质设计），但若输入数据本身物种信息模糊或错误，AI可能混淆无害生物与产毒生物，给医药研发、农业管理和生物安全监控带来真实风险。