土壤支撑着约95%的粮食生产，也是重要的碳储存库，但目前已有三分之一的土壤退化，气候变化之下，要保护其余土壤十分困难。
机器学习可以绘制土壤分布图并识别规律，但它很少能解释土壤的行为机制，或其在陌生条件下的反应。
多智能体人工智能（AI）有助于科学家更快地提出更好的问题，前提是工作始终由科学家主导。
与现代史上几乎任何时期相比，我们对土壤提出的要求都更高。
大约95%的食物依赖土壤生产，因此即便天气变得愈发难以预测，土壤也必须持续产出粮食。
土壤还必须储存碳。它们储存的碳比大气和全部陆生植被的总和还要多。与此同时，它们还必须在日益增大的压力下完成这一切：全球三分之一的土壤已经退化，仅侵蚀一项就可能到2050年使作物产量减少十分之一。到2050年使作物产量减少十分之一。
但土壤并不像机器那样运行。在一块田地上行之有效的固碳方案，换到下一块田地可能效果欠佳，因为两地的矿物质、湿度和历史条件各不相同。如今看似稳定的土地，在经历多年的高温和水分胁迫后，可能会发生变化。
对于科学家和土地管理者而言，困难之处在于测量之后的工作。他们必须理解土壤为何会如此表现，并预判它接下来会如何变化。人工智能（AI）常被宣传为绕开这种复杂性的途径，但它更有价值的作用，或许是帮助科学家深入分析这种复杂性。
人工智能如何助力土壤研究
AI已被用于土壤研究。机器学习工具可以绘制土壤属性图、解读传感器数据流，并预测整个景观范围内的状况，发现人类难以察觉的规律。但模式识别只是科学研究的第一步。
模型可能显示某一信号与某项土壤属性相关，却无法解释这种关联为何存在。它可能预测土壤碳的变化，却无法揭示其背后的过程。而且，当洪涝、干旱和热浪使土壤超出训练数据的范围时，模型恰恰在最需要它的时候可能出现失误。
这正是值得弥补的差距。
如今的土壤研究需要更好的方法，将证据联系起来、权衡相互竞争的解释，并决定下一步应当开展哪些研究。
AI能否像土壤研究团队一样工作？
多智能体AI系统是朝这一方向迈出的一步。传统AI模型通常针对单一任务而构建，而多智能体系统则为多个AI智能体分配不同角色，让它们分阶段协同处理问题。其中一个智能体梳理文献，另一个分析数据，第三个对提出的解释进行压力测试，第四个则权衡哪些相互竞争的假说最为合理、最有用或最具可检验性。
这样的架构是强大的助手，但它本身并非科学家。AI智能体运算迅速，能够覆盖海量信息，但在提出问题和判断答案方面，仍需依赖人类研究人员。
对于一个受当地历史、气候、生物和管理方式影响的领域而言，人的作用至关重要——仅凭数据无法全面理解土壤。但AI智能体能够将零散的证据纳入讨论之中。
AI智能体并非只提供又一张静态地图，而是可以帮助构建土壤“数字孪生”，随着新观测数据的到来不断更新。它们也不只是对令人担忧的趋势发出简单预警，而是可以帮助研究人员探究问题的成因，并将零散的论文和数据集转化为可检验的问题。
以土壤碳为例检验这一构想
在近期发表于期刊《Frontiers in Science》的一篇文章中，我与同事们让一个多智能体AI系统探讨该领域最具争议的议题之一：土壤能够储存多少碳，以及这些碳的稳定性如何。
争论的焦点是土壤碳饱和问题，即土壤能够储存的矿物结合态碳是否存在上限。这一概念在气候政策中分量十足，即便土壤碳的小幅增加也被视为一项重要的减缓手段，但其在现实中的极限仍存在争议。
多智能体AI系统的价值在于其过程，而非任何单一答案。它梳理了近期文献，提出相互对立的假说，模拟了同行评审的若干环节，并依据新颖性、合理性、可行性和应用广度对结果进行排序。
该系统将一场纷繁复杂的争论梳理为更清晰的研究思路：将土壤的理论储存容量与其在实际条件下的表现区分开来，关注生物和化学调控因素，并提出接近饱和的土壤对气候胁迫的反应可能不同于仍有余量的土壤。
这些构想中的每一项，仍需专家审查，以判断其是否有证据支撑、是否确实有用，以及能否在田野或实验室中加以检验。运用得当时，多智能体AI并不会使科学家脱离研究工作，而是为他们提供了一个结构更清晰的起点。
在土壤研究中使用AI面临的挑战
使用AI时，把流畅的回答误当作深入的回答，存在真实的风险。基于不均衡数据训练的系统，无法理解那些无人测量过的土壤。在熟悉条件下可靠的模型，一旦遇到超出其经验范围的干旱或洪涝情况，可能会失效。
土壤是一个棘手的研究对象。数据零散且具有地方性，而且文献在不同地区、土壤类型和耕作体系之间分布不均。即便是当今领先的模型，在高级土壤科学考试题中也只能正确作答约65%，这提醒我们，在使用AI时，人类的判断仍需覆盖大量的空白领域。
若缺乏透明度，AI工具可能使既有的盲点更难被发现。此外，获取条件也不均衡，因为先进AI背后的算力与专业能力并未在各国之间平均分配。
因此，对这些AI系统提出高标准要求十分重要。它们应当能够说明信息来源，表明其不确定性，并接受质疑。
由科学家主导的AI，而非由AI主导的科学
土壤是地球上最为重要的资源之一，同时也是最容易被忽视的资源之一。其状况将在未来数十年间影响粮食安全、气候韧性和土地保护。
多智能体AI能够帮助科学家应对这种复杂性：更快地建立联系、使假说更加清晰，并简化研究中前期繁重的环节，从而将专家的时间用在最关键之处，即实地观测、结果解读与判断。
AI系统的价值将取决于其背后数据的质量、推理过程的透明度，以及引导它们的人员的专业能力。在这种严谨的原则下使用，AI智能体有望成为真正的科研合作伙伴，帮助土壤科学家超越仅仅发现脚下的规律，进而理解维系我们生存的生态系统。
我们做出的每一项与食物和气候相关的决策所依托的土地，理应得到同样的重视。
