算法可以预测你可能喜欢什么电影或歌曲，但它们也可以预测捕食者最有可能吃哪些物种。

利用人工智能拯救物种免于灭绝级联

弗林德斯大学全球生态实验室的研究人员一直在使用机器学习来识别物种相互作用，并可以预测哪些物种最有可能灭绝，以便在这种情况发生之前计划干预措施。

“地球正面临环境危机，气候变化、入侵物种、栖息地丧失和其他与人类相关的活动导致大量物种灭绝，”弗林德斯大学科学与工程学院研究员约翰·卢韦林博士说。

“许多灭绝是由物种相互作用介导的，是由与其他物种相互作用的损失或增加引发的，我们发现机器学习可以预测在相互关联的物种世界中谁吃谁。”

卢埃林博士说，“共同灭绝”是由其他相互作用的物种数量减少或灭绝引起的灭绝，例如捕食者在失去猎物后灭绝。

相反，猫、狐狸和棕树蛇等入侵性捕食者可能会导致过去没有遇到过类似捕食者的幼稚本土猎物灭绝。

“这些灭绝是由于脆弱物种与新捕食者相互作用而导致的，因此了解哪些物种相互作用对于预测和避免未来的灭绝至关重要，”卢埃林博士补充道。“然而，目前我们只知道发生的物种相互作用的一小部分，或者就入侵物种而言可能发生的相互作用，这使得预测灭绝变得困难。”

弗林德斯团队的新研究发现，机器学习技术可以利用物种的特征来准确预测鸟类和哺乳动物的捕食者与猎物的相互作用。通过识别相互作用的物种，机器学习可以帮助预测并有望在灭绝发生之前避免灭绝。

该算法通过有关哪些物种相互作用、哪些物种不相互作用以及所涉及物种的特征的信息来了解特征如何与物种相互作用相关。然后可以向此类人工智能提供物种和性状列表，以预测新列表中的哪些物种会相互作用。

“我们可以使用这种方法来填补我们在物种相互作用知识方面的许多空白，”卢埃林博士说。

这些差距包括当今正在发生的未记录的相互作用、古代、早已灭绝的物种之间的相互作用，以及入侵物种被引入新地区时可能发生的相互作用。

“通过了解哪些物种相互作用，我们可以确定气候变化和引进物种等环境干扰如何对生态群落产生连锁效应，使我们能够了解灭绝是如何发生的。”

物种相互作用在生态系统中发挥着重要作用，尽管很少有生态群落拥有描述这种相互作用的完整数据，这阻碍了预测生态系统如何运作和对扰动做出反应。

“人类完全依赖生物多样性和健康的生态系统，因此我们有责任为了生物多样性本身以及它为人类社会带来的利益而维护生物多样性，”卢埃林博士说。