解析2万张影像 中研院用AI发现蛾类身体、前翅与海拔环境有关
▲中研院用AI发现蛾类身体、前翅与海拔环境有关 。（图／中研院提供）
中央研究院生物多样性研究中心副研究员沈圣峰与资讯所研究员陈升玮研究团队，结合蛾类公民科学资料与人工智慧深度学习技术发现，蛾类色彩多样性会随着海拔下降而增加，同时蛾类的身体与前翅相对于整体的明暗度有随海拔升高而下降的趋势。研究成果对于预测稀有种分布、生物与环境的对应关系有突破性的发现。沈圣峰指出，此研究主要探讨生物学领域色彩多样性随环境梯度变化的现象与成因。早在19世纪，英国博物学家华莱士（A. R. Wallace）就已留意到生物的色彩多样性会随着海拔梯度变化，近年来也有不少发表于知名期刊的相关论文。然而此领域的发展一直受限于如何取得质、量兼具的影像资料，以及客观量化生物的视觉特征（如体色与纹路等），故未有解读出一致的变化趋势。然而，此研究结合人工智慧方法与公民科学资料，找到突破口。
该篇论文的资料多数源于2011至2016年由行政院农委会特有生物研究保育中心副主任林旭宏与研究助理施礼正带领103位蛾类公民科学志工，搜集的逾2万笔台湾蛾类标本之数位化影像。这些影像经施礼正与本院生多中心博士后研究员吴士纬鉴定为近2千种蛾类（台湾已知有4千4百种）。
研究团队指出，相较于过往以人工方式决定视觉特征的标记与量化方式。此研究以2万笔影像为基础，由研究团队先将标本资料去背、裁切，缩放等标准化操作，应用人工智慧领域中迁移学习（transfer learning)的技巧，以残差网路（residual network)回归预测物种的平均海拔分布，抽取出与海拔梯度相关之特征，例如颜色和形状。
▲中研院生物多样性中心副研究员沈圣峰。（图／中研院提供）
研究团队进一步针对特征分析，结果显示，蛾类色彩多样性会随着海拔下降而增加，同时蛾类的身体与前翅相对于整体的明暗度有随海拔升高而下降的趋势。研究团队推测，此现象可能源于较高海拔低温导致利于吸热的较暗体色适应，而根据色彩基础转换理论，可推论出暗体色限制了较高海拔蛾类的色彩多样性。
▲中研院用AI发现蛾类身体、前翅与海拔环境有关。（图／中研院提供）
论文也显示，在生物议题上，长年的公民参与所累积的基础资料能用于较大尺度或关键的议题分析，透过深度学习技术（deep learning），除了用于类群辨识（例如田间蔬果或杂草的自动化筛选、非洲草原上的物种动态监测），也能使用功能性状（例如此篇论文的色彩斑纹）非常精确地预测稀有物种的分布，并将功能性状分析与物种分布模式结合在一起。
沈圣峰最后也说，此成果对于高度多样化的分类群中的稀有物种相当有价值，特别是那些可能导因于人为气候变化而经历分布范围变化的物种。该篇论文最后点出深度学习可以帮助我们以前所未有的深度来解密复杂的自然现象，并对英国博物学家达尔文（C. R. Darwin）曾着迷的无穷无尽的自然形态变异（the endless forms of natural morphological variation）提供探索的起点。