應用人工智能大語言模型了解植物群落

 (https://www.nature.com/articles/s41477-025-02105-7)

 

為了應對緊迫的生物多樣性危機，了解植物群落的性質至關重要。植物物種的分佈不僅受其廣泛的環境需求影響，還受到微環境條件、擴散限制以及物種間直接和間接相互作用的影響。雖然預測物種組成和棲息地類型對於保護和恢復至關重要，但這仍然具有挑戰性。這篇論文提出了一種受人工智能大語言模型( LLM)進展啟發的方法，用於學習群落中按豐度排序的植物物種序列的「句法」捕捉不同生態系中物種之間的潛在關聯，並可針對不同的任務進行微調。具體來說這種新的方法能夠勝過其他方法：（1）根據其他列出的物種預測可能出現在群落中的物種，儘管這些物種最初在物種列表中缺失（2）根據物種對棲息地進行分類。新方法應用的詞彙表涵蓋了來自歐洲和鄰近國家的 10,000 多種植物，並為改進生物多樣性測繪、恢復和保護生物學提供了強有力的改善。隨著生態學家開始探索人工智能的使用，這些方法為重新思考我們如何建模、監測和理解自然提供了機會。