🌳 動植物生態
動物與科技：AI 在動物保育上的應用
在二十一世紀的今天，地球正面臨著前所未有的生物多樣性危機。根據國際自然保育聯盟（IUCN）的統計，目前有超過四萬種生物面臨滅絕的威脅，棲地破壞、氣候變遷、非法盜獵與環境污染，正以驚人的速度吞噬著自然界數百萬年累積的生命網絡。然而，在這一場看似絕望的保衛戰中，人類手中出現了一項全新的武器——人工智慧（Artificial Intelligence, AI）。
曾幾何時，「科技」與「自然」被視為光譜的兩端，彷彿科技的進步必然以自然為代價。但如今，一群科學家、工程師與生態學家正攜手改寫這個敘事，將深度學習、影像辨識、大數據分析與物聯網感測器帶入深山雨林、深海峽谷與極地冰原。AI不再只是人類便利生活的工具，更成為無法為自己發聲的動物們最忠實的守護者。
從非洲草原上辨識個體象群的無人機，到亞馬遜雨林中即時攔截盜獵槍聲的聲學感測器；從追蹤帝王斑蝶遷徙路徑的氣象模型，到大數據預測鯨魚覓食熱區的演算法——AI正在以我們難以想像的方式，重塑保育工作的每一個環節。本文將深入探討AI技術如何在動物保育的各個層面發揮關鍵作用，同時也將誠實面對這項技術所帶來的倫理挑戰與潛在風險。
長期以來，生態監測依賴於研究人員親赴野外進行目擊記錄、樣區調查與樣本採集。這種方式不僅耗費大量人力、時間與經費，而且受限於天候、地形與人為干擾，往往只能取得片段且不完整的資料。以臺灣為例，研究人員要監測瀕臨絕種的臺灣黑熊，過去必須揹著厚重的設備深入中央山脈，架設自動照相機，再每隔數月回收記憶卡，一張一張人工比對影像。一台相機一個月可能拍下數千張照片，其中絕大多數是晃動的枝葉、迷路的昆蟲，或是空無一物的步道。
AI的出現，徹底改變了這個遊戲規則。卷積神經網路（CNN） 的發展，使電腦能夠以驚人的準確度辨識影像中的物種、數量、行為，甚至是個體身分。新一代的智慧型相機不再只是被動的記錄工具，而是具備邊緣運算能力的「智慧之眼」——在拍攝當下，裝置就能夠即時分析影像內容，過濾掉無效資料，並立刻將有價值的觀察結果傳送至雲端資料庫。
AI在個體辨識上的突破，可說是近年生態學最令人振奮的進展之一。以花豹、老虎、斑馬與鯨鯊為例，牠們身上的斑紋與條紋就像人類的指紋一樣獨一無二。傳統的研究方法需要動物學家手持望遠鏡與相機，花費無數小時比對斑紋照片，才能確認個體身分與數量估計。如今，AI深度學習模型可以在數秒內完成過去需要數週才能完成的比對工作。
非洲的「Wildbook」平台便是這項技術的集大成者。這套開源系統結合了電腦視覺與群眾外包（crowdsourcing），讓來自世界各地的遊客、研究人員與嚮導都能夠上傳他們拍攝的野生動物照片。AI會自動分析照片中的動物物種，並透過演算法比對現有資料庫，識別出個體身分、追蹤其活動範圍與遷徙路線。這個系統已經成功應用於鯨鯊、斑馬、長頸鹿、綠蠵龜等數十個物種的長期監測，為保育決策提供了前所未有的數據基礎。
除了「看見」動物，AI更進一步嘗試「理解」動物。透過長時間的影像資料訓練，深度學習模型可以辨識動物的行為模式，例如進食、警戒、求偶、攻擊、休息與育幼等行為。這項技術對於圈養動物的福利評估尤其重要。
台灣大學獸醫系與工業技術研究院合作開發的「智慧化豬隻行為偵測系統」，便利用影像辨識技術監測豬隻的進食與活動狀況，即時發現異常行為並通知飼養者。類似技術也被應用於海生館的鯨豚觀察、動物園的大貓熊行為紀錄，以及畜牧場的乳牛健康監測。當動物無法用語言表達不適時，AI成為牠們最靈敏的「翻譯官」，將牠們的微妙變化轉化為人類可以理解的數據與警訊。
除了視覺影像，聲音是另一個AI大放異彩的領域。被動聲學監測（Passive Acoustic Monitoring, PAM） 透過佈設在棲地中的麥克風陣列，長時間記錄環境中的所有聲音。這些錄音資料的龐大程度遠超人力所能分析——單一感測器一天就可以錄下數百小時的音訊，而一片森林中的感測器網絡更可能產生數TB的數據。
AI在這裡扮演了關鍵的濾波器角色。透過預先訓練的聲音辨識模型，系統可以自動標記出特定物種的叫聲、判斷個體數量、甚至是辨識不同個體之間的聲紋差異。這項技術在鳥類監測上尤為成熟。例如，Microsoft與亞馬遜合作開發的「雨林連接計畫（Project Rainforest Connection）」，將舊型智慧型手機改裝成太陽能聲學感測器，吊掛在樹冠層，即時偵測電鋸聲與槍聲，並在第一時間傳送定位資訊給護管員，以打擊非法盜伐與盜獵。這套系統同時也能捕捉鳥類鳴聲，為科學家提供生態系健康狀態的寶貴指標。
在浩瀚的海洋中，聲音是鯨豚類動物的主要溝通管道。不同種類的鯨豚擁有各自獨特的叫聲音頻與節奏，牠們依賴聲音進行導航、覓食與社交。然而，海洋噪音污染（來自船隻、聲納、石油探勘）正嚴重干擾牠們的生存。AI聲學監測系統可以在離岸風場建設前、中、後期持續監測鯨豚出沒情況，評估工程衝擊並制訂減輕措施。
台灣西部海域是瀕危的台灣白海豚（又稱媽祖魚）的重要棲地。近年來，研究團隊與離岸風電開發商合作，在海上佈設水下聲學監測浮標，利用AI即時判讀白海豚的回聲定位訊號。當系統偵測到白海豚接近施工區域時，便會自動觸發警報，要求工程暫停，以確保這些珍貴的海洋鄰居不會受到噪音傷害。這種「以聲制聲」的智慧監控，正是科技與保育完美結合的典範。
別忘了，生態系不僅僅由大型哺乳動物與鳥類組成。兩棲類、昆蟲與無脊椎動物同樣扮演著不可或缺的角色，而牠們對於環境變化的感知往往比大型動物更為敏銳。AI聲學監測也被廣泛應用於蛙類與蟬類的族群普查。台大生態學與演化生物學研究所的團隊，便在台灣中低海拔山區進行系統性的蛙鳴自動辨識研究，建立台灣蛙類的「聲紋資料庫」。這些「聽起來」或許單調重複的鳴叫聲，經過AI分析後，居然能透露繁殖高峰、族群密度與棲地品質等關鍵資訊。
非法野生動物貿易每年產值高達數百億美元，與毒品、軍火走私並列為全球三大非法貿易，是僅次於棲地破壞的第二大生物多樣性威脅。非洲的犀牛與大象盜獵危機尤其嚴峻，光是在南非克魯格國家公園，每年就有數百頭犀牛遭到盜獵者屠殺，僅為了取下牠們的角。
傳統的反盜獵巡邏如同大海撈針，護管員要在廣達數千平方公里的保護區內，靠著經驗與運氣來搜尋盜獵者蹤跡。近年來，許多保護區開始引入AI預測性巡邏系統，結合過去盜獵事件的時空分布、地形資料、氣象條件、盜獵者行為模式與動物移動路徑，運用機器學習演算法產生每日最佳巡邏路線。這些系統不會取代護管員的判斷，而是將有限的巡護資源部署在最有效率的位置，精準打擊犯罪熱點。
無人機（UAV）近年來已成為保育工作的重要工具。但單純的遙控飛行並不足以應對複雜的環境，唯有結合AI的自主飛行與即時影像分析能力，才能真正實現不間斷的空中巡邏。配備熱成像攝影機的AI無人機可以在夜間偵測到盜獵者或非法漁船散發的熱源訊號，並自動追蹤目標、拍攝清晰影像與記錄座標，同時向地面指揮中心發送即時警報。
肯亞的Ol Pejeta Conservancy是少數同時收容北方白犀牛（現存僅剩兩隻母犀牛）的保護區，該保護區與無人機公司合作，部署了具AI功能的巡邏無人機系統。這套系統可以自主起飛、按照預定航線進行巡邏、自動辨識可疑人員與車輛，並在保護區邊界異常活動時即時通知保全人員。不僅大幅提升了反盜獵效率，也降低了護管員在執勤過程中遭遇武裝盜獵者的生命風險。
反盜獵戰役不只發生在叢林與草原，更延伸到無遠弗屆的網路空間。非法野生動物製品在社群媒體與電子商務平台上的銷售日益猖獗，Google與WWF合作開發的「PAWS（Protection Assistant for Wildlife Security）」系統，便是專門用來掃描網路上的野生動物販售廣告，透過自然語言處理（NLP）與影像辨識技術，自動找出可疑貼文並通報執法單位。在印尼與馬來西亞，這套系統已成功辨識出超過數百則非法靈長類與鸚鵡販售訊息。
更精密的AI模型還可以分析買賣雙方的網路行為模式，推測交易網絡的層級結構，幫助警方破獲背後的跨國走私集團。這種「以演算法對抗演算法」的資安思維，為保育執法翻開了全新的篇章。
珊瑚礁是海洋中的熱帶雨林，雖然僅覆蓋不到百分之一的海床面積，卻支撐著約四分之一的海洋生物多樣性。然而，全球暖化導致的海水升溫，正引發大規模的珊瑚白化事件，澳洲大堡礁已在短短五年內經歷了三次嚴重白化。
來自澳洲昆士蘭大學的研究團隊開發了一套結合衛星影像、水下攝影機與深度學習的「珊瑚健康監測系統」。這套系統可以自動分析珊瑚的顏色變化與白化程度，並預測未來數週內可能發生白化的風險區域。更進一步，AI也被用於規劃與評估珊瑚復育行動——例如，決定哪一種耐熱型珊瑚基因應優先種植、選擇最適合移植的礁體位置等。在台灣的澎湖與小琉球海域，海生館及中研院的研究團隊也開始嘗試建立珊瑚白化的AI預警模型，希望能為台灣的珊瑚礁爭取更多調適的時間。
野生動物疾病爆發，往往是毀滅性的打擊。2015年，中亞地區的賽加羚羊在短短兩週內死亡超過二十萬隻，佔當時全球族群的百分之六十以上；澳洲的袋獾正面臨著面部腫瘤疾病的滅絕威脅；而兩棲類的壺菌病，更已在全球造成數百種蛙類的滅絕。AI在動物健康監測上的應用，或許能為這些悲劇提供新的解方。
利用紅外線熱像儀（Thermal Imaging）與AI分析，研究人員可以在動物尚未表現出明顯病症之前，就偵測到牠們體表溫度的異常變化，及早進行隔離與治療。以台灣石虎為例，特有生物研究保育中心與中興大學團隊合作，在野生石虎的頸圈感測器加入加速度計與體溫監測功能，並運用AI演算法分析個體的活動節律變化。
更令人驚嘆的是，科學家甚至利用AI來分析古代動物的致病基因。透過萃取博物館館藏的動物標本DNA，並結合機器學習模型，研究人員可以追溯病原體的演化歷史，理解疾病如何在不同物種之間跳躍傳播。這項「古病原體基因體學」研究，為現代野生動物醫學提供了重要的演化視角，幫助我們預測未來可能出現的新型傳染病威脅。
在為AI的種種應用感到振奮之際，我們也必須停下腳步，進行深刻的倫理省思。保育是一門涉及價值判斷的複雜科學，而AI歸根究底是基於過去數據的機率預測工具。它或許能精確計算出某個地區的盜獵風險、判斷個體的健康狀態，但無法告訴我們「什麼是值得守護的」——那終究是人類社會需要透過討論、協商與共識來回答的問題。
台灣大學動物科學技術學系的林美峰教授曾提醒：「AI可以幫助我們看得更遠、聽得更清晰，但它不會告訴我們這個物種的滅絕，對於整個生態系代表什麼意義。」在追求效率與數據的同時，我們是否可能在無意間失去對生命的同理與直覺？
AI模型的表現，取決於餵養它的訓練資料。以影像辨識為例，如果訓練資料集中以非洲象的照片佔絕大多數，那麼AI在辨識亞洲象時可能會出現較高的誤判率；如果聲學監測資料庫中缺乏特定地理區域的鳥鳴記錄，AI在該區域的監測效果便會大打折扣。
更有甚者，偏誤的資料可能導致保育資源的錯置。假設一個AI反盜獵系統，因過去盜獵事件的資料多發生在某些特定區域，而將絕大多數巡邏資源集中在這些區域，忽略了其他相對「冷門」但同樣可能遭受盜獵的地區——這便是AI加劇了原有偏誤的例子。科學家必須時刻保持警覺，不斷校正模型的偏差，確保科技進步不會反而造成守護的漏洞。
AI保育技術的高度監控能力，也引發了隱私權的疑慮。在保護區內部署的聲學感測器與影像監控設備，在捕捉動物行為的同時，也可能記錄到進入這些區域的人類活動。如何在保護動物與尊重人類隱私之間取得平衡，是保育科學家與執法單位必須共同面對的課題。
有些國家已經開始制定相關規範——例如在歐洲阿爾卑斯山區的野生動物研究計畫中，研究團隊僅儲存經過AI預先篩選、確認含有目標物種的影像片段，其餘資料在設備端即時刪除。這種「資料最小化」的原則，或許是未來保育科技應用上的重要參考。
長久以來，西方主流科學觀將自然視為可以被拆解、分析、預測與控制的客體。AI保育技術在某種程度上延續了這個思維，將地球視為一個可以被「優化」的超級系統。
然而，台灣原住民族與許多在地社區的傳統生態智慧告訴我們，人與自然的關係應該是共生與互助。當我們用AI去觀察、記錄與分析動物行為時，我們是否也在無意間加深了「人類中心主義」的傾向，將地球上的各類生命視為數據點與資產？
也許，未來的AI保育不應該只是一味追求更高的辨識準確率、更多的數據，而應該將傳統生態知識（Traditional Ecological Knowledge, TEK）納入AI模型的訓練與決策過程中。讓科技服務於生態系的完整性，而非讓生態系遷就於科技的極限。
AI在動物保育上的應用，正以一日千里的速度向前推進。從自動化生態監測到反盜獵巡邏，從疾病預警到棲地復育規劃，人工智慧已成為現代保育工具箱中不可或缺的一員。然而，我們也必須承認，AI終究只是一個工具，一個放大器——它能放大我們對自然的理解，同時也可能放大我們處事上的傲慢。
真正的保育，永遠是心的工程。每一次為台灣黑熊戴上GPS定位頸圈，每一次為擱淺的鯨豚進行健康檢查，每一次深入山林檢查自動相機的記憶卡，這些看似傳統且繁重的工作，背後都乘載著人類對生命的尊重與對未來的責任。
AI可以幫助我們知道「動物在哪裡」「動物在做什麼」，但唯有當人類願意傾聽、願意調整自己的生活模式、願意與其他生命共享這個星球時，保育工作才可能取得真正的成功。當科技的光芒照進黑暗的森林，我們始終不該忘了，我們凝視著AI螢幕上跳動的數據，而動物們也同樣凝視著我們——用牠們那清澈且真摯的眼神。
願我們在演算法與心跳之間，找到一條守護生命的智慧之路。
歡迎在下方留言，分享您的想法、心得或疑問。所有留言都會透過 GitHub 帳號 進行驗證。