When AI encounters natural history: Morphological OTUs reshape our understanding of Earth's life

生命の世界を理解するためには、科学者はまず、自分たちが何を見ているのかについて合意しなければならない。何世紀もの間、これはあらゆる葉、甲虫、花を名前の付いた種へと分類することを意味しており、その作業は、形や構造の微妙な違いを識別できる専門家に依存してきた。このシステムは、標本が稀少で十分に研究されている場合にはうまく機能するが、単一の野外調査で見つかる膨大な生命の量に直面したときには、崩壊してしまう。そこでは、ほとんどの個体を特定の名称まで特定することはできないからである。これに対処するため、研究者はしばしば分子手法を用い、生物を遺伝コードに基づいてグループ化し、種に代わる単位として扱う手法をとってきた。しかし、これらの遺伝的手法は組織サンプルを採取し、複雑なラボでのテストを実行する必要があり、それが常に可能であるとは限らない。一方で、単純な視覚的識別は、コンピュータを訓練するために既知の種名を知っている必要があるため、苦戦してきた。課題は残されている。すなわち、既存の名前のリストや設備の整ったラボを必要とせず、撮影した写真のみを用いて、いかにして生命の多様性を整理し、計上するかということであった。

新しい研究は、自然主義者のような見方をコンピュータに教えることで、より広い視野を持たせ、前進するための道筋を提示している。研究者たちは「morphOTU」と呼ばれるシステムを開発した。これは、生物の物理的な外観のみに基づいて生物のグループを作成するものである。コンピュータに既知の種のリストを暗記させる代わりに、このシステムは、生物自体の形、質感、構造におけるパターンを認識することを学習する。システムは、数千の画像を連続的な空間へと整理し、似たもの同士をクラスター化させることで、著者らが「操作的単位（operational units）」と呼ぶものを形成する。これらの単位は、生物多様性を計上するための実用的な層として機能し、研究者が調査対象の生物の正式な名称を知らない場合でも、その地域の生命の多様性を測定することを可能にする。

チームはこの手法を、花、木材の解剖学的構造、甲虫の体など、5つの異なるデータセットを用いてテストした。いずれの場合も、システムは実在する種の構造と一致するように画像をグループ化することに成功した。研究者がコンピュータによって生成された多様性カウントを人間の専門家によるものと比較したところ、その数値は驚くほど近かった。システムは、ラベル付けされた種名なしで訓練された場合でも機能し、研究者が特定の動物の例を極めて少なくしか提供しなかった場合でも精度を維持した。このことは、コンピュータが見出した視覚的パターンが単なるランダムなノイズではなく、生物学的な現実を真に反映したものであることを示唆している。

この手法が現実世界のシナリオでどのように通用するかを確認するため、研究者たちは、269の異なる種と12の異なる目（order）にわたる4,717匹の昆虫を含む大規模な野外調査にこの手法を適用した。この複雑な混合物の中で、システムはわずか28の一般的な種からの画像を用いて微調整された。この限定的な訓練にもかかわらず、得られた多様性の推定値は、専門家のラベルによって生成されたものとほぼ同一であった。コンピュータが算出した多様性スコアは3.75であり、専門家が算出したのは3.53であった。この差は非常に小さく、機械がコミュニティの真の多様性を効果的に捉えたことを示している。システムは単に数字を出すだけでなく、差異がどこにあるのかを研究者に正確に示した。それは、花の対称性、甲虫の殻の質感、あるいは木材における導管の配列といった特定の形質を指し示すことができ、形成されたグループが生物学的に意味のある特性に基づいていることを証明した。

この研究は、正式な名前が割り当てられるのを待つことなく、生物の物理的な形態から直接、生物多様性を理解するための信頼できる枠組みを構築できることを示している。生命をこれらの視覚的なグループへと整理することで、科学者は、伝統的な手法と並行して、あるいは種名が利用できない状況において、生態系の豊かさを定量化するための強力なツールを手にすることができる。今回の知見は、視覚的な世界には生命を一貫した単位へと分類するのに十分な情報が含まれていることを示しており、正式な種名が存在する前、あるいはそれと並行して、あるいはそれがない状況においても、自然界を見、数えるための新しい方法を提示している。