在一篇新论文中，科学家们描述了生态学如何能够启发更好的人工智能，反之亦然，呼吁融合和共同进化。当代人工智能平台通常从人脑的结构和功能中汲取灵感。在最近的一项研究中，专家们提出，将目光投向生物学的另一个领域--生态学，可以为建立功能强大、具有弹性和社会责任感的人工智能系统铺平道路。
研究人员提出了人工智能与生态学之间的协同作用，认为生态学可以激发更具弹性的人工智能，而人工智能则可以应对全球生态挑战。两者的共同进步可以提供变革性的解决方案，缩小两个不同学科之间的差距。图片来源：BarbaraHan
该论文最近发表在《美国国家科学院院刊》（ProceedingsoftheNationalAcademyofSciences）上，认为人工智能与生态学之间的协同作用既能加强人工智能，又能帮助解决复杂的全球性挑战，如疾病爆发、生物多样性丧失和气候变化影响等。
这一想法源于这样一种观察，即人工智能在某些任务上的表现可能好得令人震惊，但在其他任务上还远远不够--人工智能的发展正在碰壁，而生态学原理可以帮助它克服这些碰壁。
卡里生态系统研究所的疾病生态学家芭芭拉-韩（BarbaraHan）解释说："我们在生态学领域经常处理的那些问题，不仅是人工智能在纯粹创新方面可以受益的挑战，也是如果人工智能能够提供帮助，对全球利益意义重大的问题，可以真正造福人类。"
人工智能如何帮助生态学
生态学家--包括Han在内--已经在使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感染人类，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应用还有更多可能性，比如综合大数据和寻找复杂系统中缺失的环节。
科学家们通常试图通过同时比较两个变量来了解世界--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香农-拉多（ShannonLaDeau）解释说，问题在于，与大多数复杂的生态系统一样，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，他们只局限于那些容易测量的变量（例如，相对于社会和文化因素），而且很难捕捉到这些不同变量之间是如何相互作用的。
拉多说："与其他统计模型相比，人工智能可以整合更多的数据和多样化的数据源，这可能会帮助我们发现新的相互作用和驱动因素，而这些因素可能是我们没有想到的。开发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解。人工智能有助于发现这些复杂的关系和突发特性，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。"
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脆弱，有可能造成破坏性后果，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恢复力可以激发出更强大、适应性更强的人工智能架构。瓦尔什尼特别指出，生态知识可以帮助解决人工神经网络中的模式崩溃问题，而人工神经网络通常是为语音识别、计算机视觉等提供动力的人工智能系统。
他解释说："模式崩溃是指当你对人工神经网络进行某项训练后，再对它进行其他训练，它就会忘记第一项训练。通过更好地理解自然系统中模式崩溃发生或不发生的原因，我们也许能学会如何让人工智能中不发生模式崩溃。"
受生态系统的启发，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。这些灵活性的升级也有助于为人工智能提供更多的'通用智能'，使其能够超越算法所训练的特定数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语言模型（为ChatGPT等流行聊天机器人提供动力）会出现小型语言模型所不具备的新兴行为。这些行为包括"幻觉"--当人工智能产生错误信息时。由于生态学从多层次、全方位地研究复杂系统，因此它善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的首席执行官曾说过，进一步的进步不会仅仅来自于把模型做得更大，必须要有其他启发，生态学为新思路提供了一条途径。
共同进化
虽然生态学和人工智能一直在朝着相似的方向独立发展，但研究人员表示，更密切、更深思熟虑的合作可能会在这两个领域产生尚未想象到的进步。
生态复原力就是一个令人信服的例子，说明两个领域如何通过合作而受益。对于生态学来说，人工智能在测量、建模和预测自然恢复力方面的进步可以帮助我们做好准备，应对气候变化。对人工智能而言，更清楚地了解生态复原力的工作原理可以激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。
更紧密的合作也有望促进这两个领域承担更大的社会责任。生态学家们正在努力从土著和其他传统知识体系中吸收理解世界的各种方法，而人工智能可以帮助融合这些不同的思维方式。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（KathleenWeathers）说："人工智能模型建立在现有数据的基础上，当它们回到现有数据时，会进行训练和再训练。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方式排除在外时，我们创建的模型就会存在盲点，从而使不公正现象长期存在。"
要实现人工智能与生态学研究的融合，需要在这两个各自为政的学科之间架起桥梁，目前，这两个学科使用不同的词汇，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。
"我希望它至少能引发很多对话，"Han说。
作者写道，投资生态学和人工智能的融合进化有可能产生变革性的观点和解决方案，就像最近在聊天机器人和生成式深度学习方面取得的突破一样，具有超乎想象的颠覆性。"成功融合的意义不仅在于推进生态学科或实现人工通用智能，它们对于在不确定的未来中坚持和发展都至关重要"。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】