A tabular foundation model rivals established species distribution models from presence-only records
该研究表明,表格基础模型 TabPFN 3.5 在无需针对特定数据集进行调优的情况下,在标准基准测试中足以媲美或超越如 MaxEnt 等既有的物种分布模型,尽管其性能仍对环境偏差记录较为敏感。
原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
科学家们经常面临一个令人沮丧的数据缺口:他们知道一个物种在何处被发现过,但却很少知道它在何处缺席。一份博物馆标本、一张公民拍摄的照片或一份疾病报告讲述了一个关于“存在”的故事,但未被观察到的区域的沉默对于理解全貌同样重要。在生态学中,研究人员使用被称为物种分布模型的统计工具来填补这些空白。这些工具通过将已知物ка的地点与周围景观的环境条件进行对比,来预测该物种还可能生活在何处。这些信息对于试图保护濒危栖息地的保护主义者、追踪疾病传播的流行病学家以及寻找古代遗址的考古学家来说都至关重要。几十年来,这项工作最受欢迎的工具是一种称为 MaxEnt 的方法,它需要精细的调优和专家知识才能在每个新数据集上表现良好。
来自日本的一个研究小组最近测试了一种新型的人工智能,以对抗这些既有工具。他们关注的是一种被称为“基础模型”(foundation model)的模型类型,这是一种在接触任何现实世界问题之前,就在数百万个合成数据集上进行过训练的大型神经网络。与必须为每个新物种从头开始重新训练的传统模型不同,这些基础模型旨在通过“上下文学习”(in-context learning)过程,从少量新数据中即时学习。研究人员想知道,这种名为 TabPFN 的模型是否能在不需要任何特殊调优的情况下,在预测物种分布方面达到与现有最佳方法相当的水平。他们还调查了通过其他地区或其他物种的数据来训练该模型是否能提高其性能,以及它是否能准确地重建物种与环境之间的真实关系。
为了寻找答案,该团队将该模型应用于一个全球生态学家广泛使用的庞大标准基准。该数据集包含了分布在六个不同区域(从澳大利亚的热带雨林到瑞士的森林)的 225 种不同物种的存在记录。至关重要的是,研究人员可以获得独立的调查数据,这些调查同时记录了物种存在与否的位置,从而使他们能够根据现实情况测试模型的预测。研究人员在没有任何调整的情况下,直接运行了这个“开箱即用”的基础模型。结果令人震惊:未经调优的模型表现得与目前最先进的集成方法一样出色,达到了五种不同传统模型组合后的平均准确度。当研究人员给予模型来自其他地区的一小部分额外训练时,它的表现实际上成为了表现最好的单一模型,略微超过了长期的冠军 MaxEnt。
研究还深入探讨了模型对环境的理解程度。研究人员发现,基础模型产生的预测具有更好的校准性,这意味着其概率估计比 MaxEnt 更可靠,且不会出现极端情况。然而,该模型也有一个特定的弱点。当数据包含隐藏偏差时——例如,记录更多是在易于到达的区域而非随机分布在景观中收集时——基础模型的表现不如传统方法。这表明,虽然该模型擅长识别模式,但它对数据的收集方式非常敏感。此外,当研究人员模拟了 120 个具有已知简单数学关系的虚拟物种时,该基础模型在恢复这些简单模式方面的准确性低于回归类方法。然而,当关系变得复杂且数据无偏时,基础模型的表现至少与任何其他单一方法一样好。
研究人员还测试了通过在测试区域相同的地区进行数据训练,是否会给模型带来不公平的优势。他们发现,如果模型针对来自同一地区的其他物种的调查数据进行微调,其性能会显著提升。这暗示该模型主要是从调查站点本身的结构中学习,而非从特定物种的生物学特征中学习。然而,当模型在没有任何先前调查记录的区域进行测试时,微调带来的收益要小得多。这一区别对于实际应用至关重要,因为它阐明了该模型最大的优势在于其从数据收集结构中进行泛化的能力,而非记忆特定的位置。
最终,这项工作证明了一个预训练的基础模型可以在不需要为每个数据集进行调优的时间和专业知识的情况下,媲美最成熟的生态学工具。它提供了一个强大且即插即用的替代方案,用于预测物种的分布,前提是数据不会受到收集方式的严重偏差影响。虽然它目前可能还无法取代对仔细处理数据或针对单一场景使用专门方法的需求,但它代表了向使先进分布建模变得更易获取且更高效迈出的重要一步。研究结果表明,物种制图的未来可能在于那些能够学习数据结构通用规则的模型,从而让科学家能够减少在调整参数上的精力,更多地专注于生物学问题本身。
您所在领域的论文太多了?
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。