人工智能可以帮助解决进化研究中最古老的谜团之一，但它也给我们带来了更多新谜团。▲图为虎纹长翅蝶，学名灰袖蝶。自然界到处都是抄写员。蛀虫蛾用与虎蛾相同的高音吓跑接近的捕食者，而无毒的王蛇则发展出与毒蛇相似的体色。王蛇和蛀虫蛾的这种做法被称为Betsy拟态，其中一种无害的物种通过改变其外观以模仿更强大或有毒的物种来吓跑捕食者。当然，这不是恶意抄袭，而是长期生存压力的产物——王蛇在生存一定时间后，外形又开始接近珊瑚蛇，这样的拟态能力是传给下一代。然而，其他物种选择了自己的生存技术。鲜艳的颜色在自然界中基本上是一个“不可食用”的标签，科学家称之为警戒状态。这可能表明有毒，或者只是味道不好（或者可能是这种颜色鲜艳的生物故意试图欺骗捕食者，让他们认为它是）。但有时，鸟类和蜥蜴等捕食者可能会坚持吃这些苦涩的食物，并通过这种“受苦”的方式，让自己将鲜艳的颜色与糟糕的进食经历联系起来。因此，为了使模仿真正起作用，虎蝶可能需要牺牲至少一个它的配偶，向猎人证明它真的是糟糕的食物。十九世纪的博物学家弗里茨穆勒曾指出，如果两只蝴蝶像虎翅蝶一样进化出警示色，那么两者将以分担责任的形式完成捕食者口味的“调谐”。假设当地的鸟类必须吃掉大约20只颜色鲜艳的蝴蝶，才能发现彩色图案代表“不好吃”。因此，如果两种本土蝴蝶长出不同的斑纹，捕食者必须每只吃20只才能意识到这两种蝴蝶都不好吃。但如果两者有相似的标记，则每人只需要10次牺牲就可以让捕食者意识到这一点。因此，这两个物种很可能逐渐发展出相似的身体特征，以降低群体生存的风险。>>>UntestedHypothesis这一断言被称为缪勒拟态，是进化论领域最古老的思想之一，诞生于1878年——也就是达尔文于1859年提出自然选择理论之后不到20年。这也是生物学家提出的趋同进化理论最著名的例子之一——不同的物种在相似的压力下发展出相似的性状，有点像两个人独立想出相似的问题来解决方法。例如，趋同进化导致蝙蝠和鸟类进化出翅膀，鲸鱼和鲨鱼进化出鳍。然而，虎翅蝶将这种倾向带到了一个令人眼花缭乱的复杂性的全新高度。人工智能对其翅膀图案的研究表明，穆勒的模仿理论是正确的，而且这种变化并不是单向模仿。不同的亚种也来回交换模式，并以新的方式组合“复制”的特征以产生新的模式。虎长翅蝶主要生活在美洲广袤的热带和亚热带气候区。在它的两个主要进化枝和数十个亚种中，昆虫学家已经确定了至少30种独特的翅膀图案模式，每种模式都为少数亚种所共有。所有这些多样性，加上翅膀图案的复杂性，使得对它们的相互联系进行大规模研究变得困难。再加上大多数生物学家只能靠自己的眼睛和笔记来记录观察到的情况，穆勒假说虽然很有趣，但一直没有得到严格证明。剑桥大学的JenniferHoyalCuthill在最近的一份声明中指出，“我们之前未能完成对这种拟态进化系统的测试，因为很难量化两只蝴蝶之间的相似程度。”人眼和大脑消化的高密度信息正是计算机所擅长的——它们非常擅长量化事物，并利用机器学习（AI的一种实现，计算机可以用它来发现新的数据和经验，从而超越固有的编程内容）以更好地破译蝴蝶翅膀的进化复杂性。▲奇数列为匠袖蝶，偶数列为石神袖蝶，按翼纹相似程度排序。>>>从Butterfly到ButterflyNet那么，生物界的先贤们是怎么看待今天的机器学习算法的呢？我相信他们至少会肯定HoyalCuthill和她的同事们开发的研究成果：ButterflyNet。该团队向AI系统输入了来自38个不同亚种的约2,400张虎翅蝶照片，并教它从照片中识别每个亚种。后来，该系统实现了人类科学家几个世纪以来一直未能实现的目标：量化每组翅膀图案之间的异同。ButterflyNet测量和比较翅膀形状的差异，以及不同部分图案的大小、形状、位置和颜色的微小变化。接下来，它对所有蝴蝶进行了分类和制图：两个亚种距离越近，它们的翅膀图案就越相似。这些结果帮助HoyalCuthill及其同事得出结论，了解不同亚种之间的翅膀图案如何相关，构成这些图案的形状和颜色如何演变、复制和变化，以及不同亚种如何相互借鉴和创造。结果似乎证明了缪勒拟态的正确性，即两种有毒蝴蝶物种确实有可能发展出相似的警告模式。HoyalCuthill在一份声明中指出，“事实上，趋同趋势如此强烈，以至于不同物种的模仿甚至比同一物种的不同个体更接近目标。”就像按照邻居的样子“打扮”自己一样简单。亚种依次相互模仿，在复杂的进化过程中传递形状和颜色。从逻辑上讲，这种相互复制本应导致所有蝴蝶只演化出一些相似的模式，但结果却恰恰相反——蝴蝶获得了更多的新模式。当每个亚种适应其邻居时，它以新的方式组合这些形状和颜色元素，然后将结果再次用作邻居模仿和重组的饲料。目前尚不清楚这种模式是否有助于蝴蝶更快地赶走捕食者，因为缪勒拟态的想法是不可食用的物种有增加相似性的动机——而开发新模式似乎与该断言不符.但无论如何，事情已经有了进展，或许我们离真相不远了。
