自然和生物多样性丧失是企业必须重视的关键问题，直接影响风险管理、运营和长期韧性。
人工智能可以支持企业开展自然保护工作，从及早发现风险到优化运营和投资。
负责任地将人工智能用于自然保护，需要确保透明、公平并由地方发挥领导作用，从而惠及社区和生态系统。
人工智能（AI）日益被视为一项基础性技术，能够改变社会的运行方式，并推动包括环境科学和保护科学在内的各学科发生范式转变。
随着全球气候相关冲击和压力因素不断增加，人工智能的潜力正于关键时刻显现。尽管保护和修复工作已有进展，但这些挑战错综复杂且迫在眉睫，需要能够以更大规模、更快速度发挥作用的新工具。人工智能为开发这类工具提供了强大机遇。
企业如何将人工智能用于自然保护
从预测环境风险到物种监测和生态系统建模，以下介绍一些企业如何利用人工智能改善决策，同时主动管理与自然和生物多样性丧失相关的运营风险：
1. 风险识别、缓解与应对
管理野火、干旱或入侵物种等景观风险时，及早发现至关重要。这能让企业、自然保护和土地管理机构以及社区主动应对潜在危机。
多年来，人工智能技术一直用于绘制关键生态特征及其变化，为生态系统评估和管理奠定基础。结合高分辨率航拍数据和人工智能检测工具，也有助于识别生态系统面临的重大风险，例如蔓延入侵植物。
例如，TELUS 正通过将互联技术融入修复工作，增强加拿大森林在野火后的恢复力。TELUS 与科技公司Dryad Networks以及无人机服务提供商Flash Forest合作，利用物联网（IoT）传感器网络，在关键生态系统修复地点实现超早期野火探测和风险监测。
其他由人工智能驱动的平台，如Pano AI，通过结合传感器网络和预测建模，帮助企业和政府及早发现初期野火，保护资产和基础设施，包括关键生态系统。
2. 野生动物与生物多样性监测
经过训练的机器学习模型、野外相机和自主系统正被用于分析声景、追踪以森林为基础的干预措施对生物多样性的影响，以及监测野生动物面临的威胁，包括偷猎和其他非法活动。有效监测有助于企业管理生物多样性丧失风险，并遵循不断演变的环境信息披露框架。
作为野生动物犯罪技术项目的一部分，世界自然基金会（WWF）与肯尼亚野生动物管理局在肯尼亚索利奥野生动物保护区部署了热成像摄像机，以持续进行远程监测。该人工智能集成系统可自动检测并分类人类、野生动物和车辆，并向操作人员发送实时警报，以便迅速应对闯入事件。
在南美洲，金刚鹦鹉项目正与微软的AI for Good 实验室合作，利用太阳能麦克风、卫星图像、相机陷阱和生物声学技术监测实时声景，保护热带森林的生物多样性，并加快亚马逊地区的自然保护工作。
3. 生态系统野化与地点选择
在野化项目中使用时，人工智能工具可以对生态系统的长期变化进行预测性规划和建模。通过叠加土壤、水文和气候数据集，人工智能工具可以模拟不同的修复情景并评估潜在结果。例如，人工智能工具结合生物声学传感器生成了有关传粉者多样性的精细数据，为野化成效提供了明确证据。
谷歌的 Tree Canopy 工具利用人工智能和航拍图像，帮助近 350 座城市绘制、管理和改善城市森林。这有助于它们应对极端高温脆弱性，并增强城市层面的气候韧性。目前，相关研究也在探索自主野化干预措施，例如无人机播种和清除入侵物种，以此作为传统修复方法的可扩展替代方案。
4. 讲述故事与促进参与
人工智能可以成为讲故事的有力工具。例如，生成式人工智能（GenAI）模型已被用于创作退化景观与修复后景观的“前后对比”图景。这些工具能够生成引人注目的图像，用于教育和宣传、发展合作伙伴关系、筹款、ESG 报告以及建立利益相关方信任。
人工智能还可以支持情景规划和未来思考活动，发挥作用，助力参与式规划和社区保护项目。
5. 支持原住民知识与实践
人工智能还有助于气候适应和由原住民主导的资源规划。在加拿大的萨尼基卢瓦克，一套定制人工智能系统将原住民知识与卫星图像结合起来，并运用其他西方科学方法，在因气候变化而迅速改变的地区绘制扇贝、海带和蛤蜊的优质栖息地。
这种综合方法有助于弥补数据缺口、支持可持续海洋养殖，并展示如何将技术与传统知识结合起来，增强韧性、改善当地生计。
让自然与人类成为人工智能工具的核心
人工智能并不中立，它反映了开发者的价值观、假设和偏见。人工智能系统不得加剧自然保护科学和实践中可能已存在的不平等。
用于训练模型的数据往往不完整或带有偏见，并可能排斥或曲解西方科学之外的知识体系，例如传统生态知识。人工智能工具的底层算法也可能不透明，削弱人们对决策方式或某些结果为何更受青睐的了解。因此，在生态领域开发和部署人工智能时，数据主权和包容性设计必须居于核心位置。
原住民在土地管理和生物多样性保护方面发挥着举足轻重的作用，因此必须由他们主导塑造这些人工智能工具在自然领域的开发和应用方式。这应包括以原住民普遍认同的关系性、互惠性和生态责任等原则为人工智能及相关技术的开发奠定基础。
人工智能使用量增加也会带来环境后果，包括巨大的水和能源消耗。预计数据中心用电量到 2030 年将增至两倍以上，而近年来，数据中心液冷所需用水量已大幅增加。虽然人工智能能够为基于自然的气候行动发挥积极作用，但缓解技术广泛应用带来的负面环境影响，并寻找更可持续的技术和人工智能解决方案，应成为优先事项。
随着人工智能越来越多地融入自然保护和修复工作，这些技术必须积极创造自然协同效益，从改善生物多样性成果到保护文化遗产。人工智能工具的设计和使用不应只追求技术效率，还应增强生态完整性、支持物种恢复，并切实促进长期气候韧性。
