導 讀 地球上有數(shù)以千計的物種我們?nèi)匀徊涣私?。但我們現(xiàn)在知道，它們已經(jīng)在滅絕的邊緣徘徊。一項新的研究使用機器學習來計算這些鮮為人知的物種受到了多大的威脅，其結(jié)果是嚴峻的。 一些動物和植物物種被貼上了數(shù)據(jù)不足...

地球上有數(shù)以千計的物種我們?nèi)匀徊涣私狻５覀儸F(xiàn)在知道，它們已經(jīng)在滅絕的邊緣徘徊。一項新的研究使用機器學習來計算這些鮮為人知的物種受到了多大的威脅，其結(jié)果是嚴峻的。

一些動物和植物物種被貼上了數(shù)據(jù)不足的標簽，因為保護主義者還沒有能夠收集到足夠的信息來了解它們的生活方式或它們還剩下多少。事實證明，這些數(shù)據(jù)不足的物種不幸地比其他更知名的物種（至少對科學家而言）受到的威脅更大。這項研究的數(shù)據(jù)來自國際自然保護聯(lián)盟（IUCN），該聯(lián)盟擁有一份全球紅色名單，根據(jù)物種受威脅的程度進行排名。

在這項研究中，超過一半的數(shù)據(jù)缺乏的物種，即56%可能面臨著滅絕的風險。相比之下，在紅色名錄中，只有28%的理解較深的物種面臨著滅絕風險。研究者表示，事情可能比我們現(xiàn)在實際意識到的還要糟糕，更多物種可能會比我們以前想象的要受到威脅。

在這份紅色名單當中，有超過20000個物種被歸類為數(shù)據(jù)缺失。而這一盲點有可能使依賴紅色名錄的研究變得不太準確。為了嘗試解決這個問題，研究人員使用機器學習，訓練了一種算法來預(yù)測數(shù)據(jù)不足物種的滅絕風險。為了做到這一點，他們使用了世界自然保護聯(lián)盟已經(jīng)評估過的28363種不同動物的信息。這樣一來，該算法就可以開始了解那些經(jīng)常決定一個物種受威脅程度的因素，包括氣候變化、入侵物種和污染。

然后，研究人員將注意力轉(zhuǎn)向了7699個數(shù)據(jù)不足的物種。這是所有數(shù)據(jù)缺失物種的三分之一多一點。該算法確定，這些物種中有56%可能面臨滅絕的風險。其中，85%的數(shù)據(jù)缺乏的兩棲動物面臨滅絕的風險，其中包括馬里尖叫蛙、斑點窄口蛙和幾種強盜蛙。他們的研究在世界自然保護聯(lián)盟去年更新其紅色名單時得到了一些驗證。在更新的物種中，有123種是該算法所預(yù)測的物種。該算法超過三分之二的預(yù)測，即76%，是正確的。