科学家通过使用人工智能发现，过去灭绝事件的证据不能作为预测未来生物多样性丧失的明确方法。

包括布里斯托大学地球科学学院的JamesWitts博士和汉堡大学的WilliamFoster博士领导的一组研究人员使用以前大规模灭绝的化石来观察人工智能生成的模型是否可以准确预测灭绝的脆弱性。

尽管有预期，但这项研究发现，大规模灭绝不能用于为其他生物多样性危机生成预测模型，因为没有标记出共同的原因。这是因为海洋群落在不断进化，没有两次大规模灭绝会影响同一个海洋生态系统。

共同作者威茨博士解释说：“在灭绝风险不断增加的时代，了解我们是否可以预测不同生物体的灭绝脆弱性至关重要。”

福斯特博士继续说道，“目前影响我们星球的环境变化规模在人类历史上是前所未有的，因此我们拥有的可比环境变化的最佳证据来源在于很久以前，可以通过分析化石记录获得。

“庞大的信息量意味着评估不同物种对灭绝的脆弱性是复杂的，但人工智能模型为此类密集的数据科学问题提供了一个潜在的解决方案，并可用于识别灭绝的脆弱性。”

由数据科学家和进化生物学家组成的跨学科团队创建了一个机器学习模型，以调查海洋生物在三大灾难性大规模灭绝、白垩纪末期(6600万年前恐龙灭绝的那个)、末期-三叠纪(2亿年前)和二叠纪末期(2.52亿年前)大灭绝。

他们的发现于今天3月15日发表在皇家学会开放科学杂志上，表明即使他们能够发现大规模灭绝期间的灭绝脆弱性模式，但每个单独的事件似乎都有一个独特的脆弱性特征，无法用于预测其他过去或未来事件中的灭绝选择性。

“以前我们认为地球历史不同时期的大规模灭绝事件是由大规模火山活动等类似机制引起的，它们以类似的方式影响生命，但我们的研究表明，每次灭绝事件都会在化石记录中留下非常独特的信号，”维茨博士补充道。

有几个因素导致不同的灭绝事件缺乏可预测性。数亿年来，海洋生物一直在不断进化。这意味着，在每次灭绝事件之前，海洋生态系统包含不同的物种，并且结构根本不同。此外，向大气中注入碳影响海洋生态系统的方式也发生了变化。随着时间的推移进入化石记录的物种也存在差异，特别是与现代已知的物种相比，这使得进行比较更加困难。

这表明基于过去大规模灭绝的大规模灭绝脆弱性模型不会告诉我们如何在危机中保护现代生物多样性。然而，该团队希望着眼于开发更复杂的模型，这些模型着眼于个体动物群体，或生态系统崩溃的过程和动态。

“这些新结果让我们有机会研究如何生成可能有助于我们生成预测模型的新数据，”WilliamFoster博士说。“我们现在也有一种技术可以在当前的生物多样性危机期间尝试探索灭绝的脆弱性。”