全球球精選！機器學習幫助拯救受威脅的物種免遭滅絕

【資料圖】

一些動物和植物物種被貼上了"數據不足"的標簽，因為保護主義者還沒有能夠收集到足夠的信息來了解它們的生活方式或它們還剩下多少。事實證明，這些"數據不足"的物種不幸地比其他更知名的物種（至少對科學家而言）受到的威脅更大。這項研究的數據來自國際自然保護聯盟（IUCN），該聯盟擁有一份全球"紅色名單"，根據物種受威脅的程度進行排名。

在這項研究中，超過一半的數據缺乏的物種，即56%可能面臨著滅絕的風險。相比之下，在紅色名錄中，只有28%的理解較深的物種面臨著滅絕風險。研究者表示，事情可能比我們現在實際意識到的還要糟糕，更多物種可能會比我們以前想象的要受到威脅。

在這份紅色名單當中，有超過20000個物種被歸類為數據缺失。而這一盲點有可能使依賴紅色名錄的研究變得不太準確。為了嘗試解決這個問題，研究人員使用機器學習，訓練了一種算法來預測數據不足物種的滅絕風險。為了做到這一點，他們使用了世界自然保護聯盟已經評估過的28363種不同動物的信息。這樣一來，該算法就可以開始了解那些經常決定一個物種受威脅程度的因素，包括氣候變化、入侵物種和污染。

然后，研究人員將注意力轉向了7699個數據不足的物種。這是所有數據缺失物種的三分之一多一點。該算法確定，這些物種中有56%可能面臨滅絕的風險。其中，85%的數據缺乏的兩棲動物面臨滅絕的風險，其中包括馬里尖叫蛙、斑點窄口蛙和幾種強盜蛙。他們的研究在世界自然保護聯盟去年更新其紅色名單時得到了一些驗證。在更新的物種中，有123種是該算法所預測的物種。該算法超過三分之二的預測，即76%，是正確的。