▲中研院用AI發現蛾類身體、前翅與海拔環境有關 。（圖／中研院提供）
記者崔至雲／台北報導
中央研究院生物多樣性研究中心副研究員沈聖峰與資訊所研究員陳昇瑋研究團隊，結合蛾類公民科學資料與人工智慧深度學習技術發現，蛾類色彩多樣性會隨著海拔下降而增加，同時蛾類的身體與前翅相對於整體的明暗度有隨海拔升高而下降的趨勢。研究成果對於預測稀有種分布、生物與環境的對應關係有突破性的發現。
沈聖峰指出，此研究主要探討生物學領域色彩多樣性隨環境梯度變化的現象與成因。早在19世紀，英國博物學家華萊士（A. R. Wallace）就已留意到生物的色彩多樣性會隨著海拔梯度變化，近年來也有不少發表於知名期刊的相關論文。然而此領域的發展一直受限於如何取得質、量兼具的影像資料，以及客觀量化生物的視覺特徵（如體色與紋路等），故未有解讀出一致的變化趨勢。然而，此研究結合人工智慧方法與公民科學資料，找到突破口。
▲中研院生多中心博士後研究吳士緯。（圖／中研院提供）
該篇論文的資料多數源於2011至2016年由行政院農委會特有生物研究保育中心副主任林旭宏與研究助理施禮正帶領103位蛾類公民科學志工，蒐集的逾2萬筆台灣蛾類標本之數位化影像。這些影像經施禮正與本院生多中心博士後研究員吳士緯鑑定為近2千種蛾類（台灣已知有4千4百種）。
研究團隊指出，相較於過往以人工方式決定視覺特徵的標記與量化方式。此研究以2萬筆影像為基礎，由研究團隊先將標本資料去背、裁切，縮放等標準化操作，應用人工智慧領域中遷移學習（transfer learning)的技巧，以殘差網路（residual network)迴歸預測物種的平均海拔分布，抽取出與海拔梯度相關之特徵，例如顏色和形狀。
▲中研院生物多樣性中心副研究員沈聖峰。（圖／中研院提供）
研究團隊進一步針對特徵分析，結果顯示，蛾類色彩多樣性會隨著海拔下降而增加，同時蛾類的身體與前翅相對於整體的明暗度有隨海拔升高而下降的趨勢。研究團隊推測，此現象可能源於較高海拔低溫導致利於吸熱的較暗體色適應，而根據色彩基礎轉換理論，可推論出暗體色限制了較高海拔蛾類的色彩多樣性。
▲中研院用AI發現蛾類身體、前翅與海拔環境有關。（圖／中研院提供）
論文也顯示，在生物議題上，長年的公民參與所累積的基礎資料能用於較大尺度或關鍵的議題分析，透過深度學習技術（deep learning），除了用於類群辨識（例如田間蔬果或雜草的自動化篩選、非洲草原上的物種動態監測），也能使用功能性狀（例如此篇論文的色彩斑紋）非常精確地預測稀有物種的分布，並將功能性狀分析與物種分布模式結合在一起。
沈聖峰最後也說，此成果對於高度多樣化的分類群中的稀有物種相當有價值，特別是那些可能導因於人為氣候變化而經歷分布範圍變化的物種。該篇論文最後點出深度學習可以幫助我們以前所未有的深度來解密複雜的自然現象，並對英國博物學家達爾文（C. R. Darwin）曾著迷的無窮無盡的自然形態變異（the endless forms of natural morphological variation）提供探索的起點。
讀者迴響