编者按：在北大西洋千米之下的幽暗深海，一片从未被标注于海图的冷水珊瑚礁已悄然生长数百年。它们以每年一两厘米的缓慢节奏，构筑起海底的“原始森林”，成为无数深海生物赖以生存的家园。然而，这座历经冰河时代考验的生态堡垒，正面临拖网捕捞、深海采矿与气候变化的围剿。当人类对深海的认知尚不及月球表面时，这些脆弱生态系统该如何逃过“隐形灭绝”？一项名为“深海视觉”的AI计划正试图破解困局——通过解码尘封在全球实验室的数十万小时海底影像，绘制首张大西洋生态全景地图。这场深海数据革命或将重塑人类与海洋的共生契约。

　　在北大西洋某处千米深的海面之下，一片冷水珊瑚礁沿着无名海山绵延展开。尽管从未出现在任何航海图上，这座水下森林已存在数百年，每年仅生长一两厘米。

　　珊瑚礁如同深海生物的“生命树”——数十种生物以此为家和觅食场，恰似林间生灵依存树木。它挺过了冰河时代，却未必能扛住工业捕捞、深海采矿和气候变暖的多重夹击。这不仅是生态问题，更是数据困局：若我们连它的存在都无从知晓，谈何保护？

　　全新项目“深海视觉”或将颠覆人类对深海的认知。通过挖掘全球科研机构中尘封的海底影像资料，并借助人工智能技术，数千小时的海底 footage 将被系统分析，最终绘制出首幅覆盖整个大西洋盆地的脆弱生态系统全景地图。

　　过去二十年间，水下机器人与自主航行器已采集海量深海影像。这些珍贵记录构成了绝大多数人类永远无缘目睹的生态系统档案库。

　　棘手之处在于：仅有不到半数影像经过人工分析。单次潜航资料就需专业分析员耗时两月处理，若乘以数千次潜航任务，便不难理解为何这座信息宝库至今仍被深锁。

　　我确信，破局之钥在于人工智能。

　　在2022年发表的研究中，我们团队证实AI可在十天内完成5.8万张深海图像分析。借助AI模型，我们成功绘制出东北大西洋1200米深处脆弱生态指标生物——巨型单细胞生物 xenophyophore 的分布图。这项原本需耗时数月的工作，如今仅用数日便告完成。

　　AI还具备判断一致性优势。即便是顶尖专家，不同分析者（甚至同一人在不同时段）对海洋物种的判定都可能存在差异。机器虽会犯错，但错误模式具有一致性，这意味着误差可被识别、修正和量化校准。

　　深海森林守护战

　　“深海视觉”项目重点关注深海珊瑚、海绵等脆弱海洋生态系统指标类群。

　　我将这些生物视作“深海森林”。在没有植物提供栖息地的深海中，它们承担起构筑生态家园的重任。这些基石生物名副其实：一旦消失，整个生态系统便会崩塌。

　　当AI从影像中提取生物多样性数据后，下一阶段将构建栖息地适宜性模型——这些预测性地图能将我们的认知拓展到摄像机勘测点之外的广阔海域。

　　研究表明，高分辨率栖息地适宜性模型是海洋空间管理的重要工具，能为海洋保护区选址提供关键依据。但海底基础数据的质量，始终决定着模型预测的精准度。

　　作为海洋生物学家，我常被问及：为何要关心大西洋两千米下的海绵？这个质疑很合理，而答案比多数人想象的更迫切：这些生物循环着关键营养物质，在碳循环中扮演要角，最终影响着地球上每个人。

　　海洋是地球生命支持系统的引擎舱，而有效管理它的前提，是尽可能透彻理解其中的物种与生态系统。

　　若该项目在大西洋取得成功，其方法可复制到其他海域。太平洋、印度洋和南大洋同样面临着数据匮乏与勘探盲区的挑战。

　　克里·豪威尔，英国普利茅斯海洋实验室深海生态学教授。