科学家躲进AI时代，“我很少去户外了”

塔迪奥·拉米雷斯-帕拉达在博士期间研究植物开花时间，却未曾触碰一片花瓣。他开发了一种机器学习算法，分析了一百万份植物标本馆标本的数字化说明文字，从中发现开花时间如何随气温上升而变化。拉米雷斯-帕拉达的研究解开了生态学中的一个重要谜题：气温变化时，植物是通过调整开花时间来应对高温，而非通过自然选择适应环境。然而，他的研究几乎完全基于计算机。“我几乎没做过什么实验或野外工作，”这位在加州大学圣巴巴拉分校获得博士学位的学者表示。

拉米雷斯-帕拉达的研究代表了生态学领域正在发生的一场全方位变革。无论科学家分析的是数字化标本、自然界图像、DNA样本，还是传感器实时传输的数据，许多研究都转向了室内进行。

这些技术正在创造一个能以前所未有的时间、地点和规模进行监测的世界。法国滨海巴尼约尔索邦大学海洋观测站的海洋科学家马克·贝松在2022年的一篇论文中写道，我们正朝着“生态群落全自动监测”迈进。许多生态学家认为，这场革命为理解生物多样性危机和识别全球变化模式提供了巨大潜力。

但一些生态学家对此感到沮丧。他们觉得这一学科正在失去与研究对象的亲密联系，认为野外经验在减少，而这种缺失可能导致研究结果出现误差、偏见和过度简化。“如果成为生态学家不必再外出，我们可能会忘记真实世界的模样，”英国剑桥大学保护生物学研究者比尔·萨瑟兰说。

和世界各地的科学家一样，生态学家也在努力充分利用海量数据。过去几十年，全球的自然历史博物馆和植物标本馆已将超过10亿份标本数字化，部分还附有DNA记录。例如，英国皇家植物园邱园正在对独特的植物标本进行数字化处理，旨在让全球研究者都能获取植物和真菌数据。

与此同时，公民科学家和研究人员都在向iNaturalist等数据库提供数亿条观测记录，这些记录随后被整合到全球生物多样性信息机构（GBIF）这一自然历史中央数据库中。此外，还有来自传感器的数据流，如感应到 movement就拍照的相机陷阱、麦克风、动物追踪设备、无人机、卫星和DNA采样器等。这类传感器可在无需干预的情况下运行多年。过去，远程放置的相机陷阱最终会没电，而现在这类设备能耗极低，可依靠太阳能或风能供电，带宽也不再是24小时数据传输的障碍。

计算机科学也在全力跟上。人工智能系统已能从这些数据中识别物种，还被用于更复杂的任务，如构建物种分布模型和谱系树。一些生态学家预测，基于海量数据学习生成新内容的生成式人工智能，很快将能构建更复杂的模型，助力理解生态过程并预测物种对环境变化的响应。俄亥俄州立大学的计算生态学家塔尼娅·伯杰-沃尔夫表示，目前至少有100个实验室将其工作标榜为“自然人工智能”。

这种方法已开始见效。欧洲的“CamAlien”项目就利用配备机器学习处理能力的高清摄像头，安装在汽车、船只和火车上追踪入侵物种。这些设备在行驶过程中快速拍摄道路和轨道两侧的图像，现场分析并将外来入侵植物的警报上传至全欧洲在线地图。丹麦奥胡斯大学的生态学家托克·托马斯·赫耶是该项目的联合开发者，他表示，过去几年，新技术与人工智能的结合“已从主要展示潜力转变为开始实际应用”。约16个欧洲国家正在试用这项技术来评估外来入侵物种的分布。

然而，英国埃克塞特大学研究人与自然关系的凯文·加斯顿指出，尽管更多数据和细节带来的好处毋庸置疑，但也存在一个不祥的副作用：野外经验正在减少。加斯顿和东京大学研究人类与自然互动丧失的共同作者Masashi Soga在2025年3月的一篇论文中提出“经验灭绝”概念：基于野外工作的研究和教育普遍减少，进而影响生态理解的深度。他们还指出了其他危险，如与当地社区的互动减少——这种互动对成功的保护工作至关重要。还有人担心“人工智能殖民主义”，即远程从较贫穷国家收集数据，然后输送到其他设备精良的实验室进行分析。

虽然缺乏定量数据支持或反驳加斯顿和Soga的观点，但2014年的一项分析显示，1980至2014年间发表的生态学研究中，基于野外工作的研究占比下降了20%，而建模和数据分析研究占比分别增长了600%和800%（不过这是相对变化，且数据集距今已超过十年）。但加斯顿和Soga的论文确实引起了共鸣，许多团体引用该论文警告，缺乏户外研究正阻碍从独居蜂到恐龙化石等各类课题的研究。

有轶事证据显示，更多计算机科学家进入生态学领域，他们对能提供的帮助感到兴奋，但缺乏野外经验。伯杰-沃尔夫被视为计算生态学的创始人之一，她的博士学位是理论计算机科学，因嫁给生态学家，常与生态学社区交流，“觉得肯定有别的方法回答这些问题”。2003年她转变方向，2005年开发动态网络分析算法来描绘肯尼亚塞伦盖蒂斑马的社会互动，野外同事劝她去实地看看数据，她总是拒绝：“我是城市女孩，不喜欢灰尘和虫子，数据在屏幕上看起来很美。”

塞拉布·塞西也是从其他领域转入生态学的，他有工程学背景。2016年，他决定在博士期间将声学监测应用于生态学，但这位自称“都市爱好者”的人很快发现在马来西亚婆罗洲的雨林里力不从心。“我现在意识到，当时做了件极其愚蠢的事：开发新技术的首次部署就选在地球另一端的热带雨林。”他笑着说。第一晚，他在漆黑的高脚屋里躺在蚊帐下彻夜未眠，而生态学家同事们却在雨林的声响中安然入睡，他当时想：“天啊，这不会是个开过头的玩笑吧？”现在他重视野外经验，但主要在实验室工作。

也有生态学家从野外转向拥抱大数据。加拿大麦吉尔大学的劳拉·波洛克最初是野外生态学家，先在路易斯安那州新奥尔良的沼泽，后在澳大利亚偏远山区工作。她意识到生态学家需要更好的数据分析能力，现在用机器学习进行跨景观生物多样性预测建模。“我很少外出了，”她说，“我努力尝试，但太难了，因为技术产生了太多数据，需要有数据科学技能的人来分析。”而贝松则在拥抱技术的同时并未减少野外时间，他说现在花在户外的时间和自动化出现前一样多：“相机和水听器能捕捉我肉眼和耳朵之外的东西，我回实验室或睡觉时，它们还能留在野外。”

加斯顿认为，还有许多系统性因素促使生态学家转向室内。人们普遍认为野外研究资金在减少（尽管数据未明确区分野外与实验室项目的资助），尤其是长期生态学研究的科学家报告难以获得资金。其他因素包括：研究机构越来越集中在城市；更多科学家有育儿责任，不愿进行长期或远距离出差；许多人希望减少碳足迹；还有人避免“直升机式”进出一个国家，去做当地科学家能做的野外工作。萨瑟兰说，另一个主要问题是，快速发表高影响力论文的捷径是分析数据而非实地收集数据。“假设你读博时把所有时间都花在野外工作上，而旁边的人从第一天就开始提取数据，”三年后，他们可能已在越来越高级别的期刊上发表论文，“而你还在亚马逊抓鱼。”