[[390223]]

導(dǎo)語

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)模昆蟲檢測，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。無論是科學(xué)家還是博物愛好者都能輕而易舉查閱到大量的鳥類、哺乳類和兩棲動物的滅絕記錄，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，昆蟲在消失。三年前，德國克雷菲爾德昆蟲學(xué)會發(fā)布的報(bào)告總結(jié)并指出，30 年來，飛行類昆蟲的數(shù)量減少了75％。隨后，一項(xiàng)發(fā)表于 Nature [1]上關(guān)于昆蟲總生物量和種群數(shù)量的測量研究也證實(shí)了這一點(diǎn)。

昆蟲在世界中發(fā)揮了重要作用

然而，相較于其他表明昆蟲種群數(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)界夸大了昆蟲滅絕的影響?？紤]到昆蟲對我們?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)。昆蟲類似能自動加油的微型汽車。昆蟲的身體結(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，昆蟲的身影可以說無處不在，它們凈化了土壤與水體，并促進(jìn)了在營養(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，昆蟲為生態(tài)系統(tǒng)中其他不計(jì)其數(shù)的物種提供了食物來源，昆蟲數(shù)量減少所造成的影響可能是無法想象的。雖然現(xiàn)代科技發(fā)展迅猛，而且研究人員對昆蟲的探索手段并沒有顯著提高。科研人員仍然采用緩慢低效的勞動力密集型手段來對昆蟲進(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，獲得昆蟲更詳細(xì)的信息，相應(yīng)問題也就更容易解決。

人工智能帶來希望

不過，近十年來，深度學(xué)習(xí)等技術(shù)的發(fā)展為昆蟲學(xué)這一古老的學(xué)科帶來了新的機(jī)遇。基于深度學(xué)習(xí)算法的圖像處理技術(shù)和計(jì)算機(jī)視覺技術(shù)正在替代傳統(tǒng)的人工觀測方法。

在農(nóng)業(yè)中，昆蟲通常被視為害蟲，因此已有的昆蟲檢測技術(shù)往往是通過檢測昆蟲的行為，開發(fā)更加高效的殺蟲劑從而防治蟲害。不過，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)的觀測手段要高出多個(gè)數(shù)量級。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)在單一物種的檢測中得到了應(yīng)用。例如，科研人員可以把一種以橄欖樹為食的昆蟲引誘至陷阱中，然后自動拍照并利用遠(yuǎn)程服務(wù)器中的算法進(jìn)行分析。相應(yīng)的識別算法在人臉識別問題中已經(jīng)超越了人類的能力，在昆蟲領(lǐng)域自然也不例外。深度神經(jīng)網(wǎng)絡(luò)已經(jīng)可以識別并統(tǒng)計(jì)昆蟲的數(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的季節(jié)性動態(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減少的嚴(yán)重程度，世界各國的研究機(jī)構(gòu)都可以開始采用基于圖像識別技術(shù)進(jìn)行昆蟲豐度和多樣性監(jiān)測。類似乎拍照識花之類的手機(jī)應(yīng)用，人們也可以采用同樣的思路去識別單只昆蟲[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)用于對田野、森林等區(qū)域中特定昆蟲物種的檢測。

深度學(xué)習(xí)進(jìn)一步助力昆蟲研究

這些新技術(shù)也為了解物種之間的相互作用帶來了契機(jī)。物種之間的相互作用對于整個(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，因此難以人工檢測并進(jìn)行記錄。然而，高速圖像檢測技術(shù)就可以解決這一問題。諸如，昆蟲造訪花朵與動物采食青草、落葉植物等過程都可以通過固定的攝像機(jī)機(jī)位對生物的完整生長過程進(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)圖像識別分類的技術(shù)來推動分類學(xué)自身的發(fā)展。在近期的一項(xiàng)研究中，通過對約65000張博物館標(biāo)本甲蟲圖像的數(shù)據(jù)進(jìn)行學(xué)習(xí)，識別系統(tǒng)達(dá)到了75%的成功率。雖然，識別系統(tǒng)的成功率會改進(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)問題。新的技術(shù)可以應(yīng)用于常規(guī)的識別鑒定工作，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。