「生物データ危機」が加速する——植物絶滅予測モデルが暴露する、気候変動とAI予測の限界

なぜ植物の絶滅予測が重要なのか——テクノロジー時代の「生物情報」問題

植物は地球上のあらゆる生命システムの基盤です。酸素の供給、食料連鎖の底辺、カーボンシンク……動物が依存する機能は数え切れません。しかし気温上昇、降水量変化、土壌劣化といった気候要因が加速する中、研究者たちは不安な予測を発表しました。それが「植物の最大寿命推定」という、一見すると生物学的な課題です。

けれども、ここで注目すべきは単なる生態学的な危機ではなく、そうした未来を予測するテクノロジー自体の限界という別の問題です。気候モデルAIが与える予測精度、収集されるデータの偏り、シミュレーションの信頼性——これらはデータサイエンスの根本的な課題を浮き彫りにします。つまり、植物絶滅は「テクノロジー検証の舞台」なのです。

気候予測AIが直面する「訓練データの歴史的偏り」問題

植物の絶滅時期を推定する研究の多くは、機械学習モデルに過去200年の気候データを学習させ、未来の環境条件を予測しています。しかし、ここに重大な落とし穴があります。

観測データの限定性：衛星観測が本格化したのは1970年代以降。それ以前の地域的・季節的データは極めて限定的です。特に発展途上国や深海、森林奥部のデータは著しく不足しています。
気候変動の非線形性：AIは過去の傾向から未来を外挿しますが、ティッピングポイント（急激な状態変化）を予測することは極めて困難です。アマゾン熱帯雨林の乾燥化など、過去に起きたことのない環境変化をモデルは学習できません。
フィードバックループの複雑性：植物が減少すれば、CO₂吸収が低下し、さらに温暖化が加速する。こうした相互作用をニューラルネットワークで完全に再現することは不可能に近いのです。

つまり、研究発表される「あと○○年で絶滅」という数字は、モデルの「最善の推定値」に過ぎず、不確実性の幅は実は極めて広い可能性が高いのです。

「生物多様性データベース化」の死角——デジタル化で失われる情報

植物絶滅予測を支えるもう一つの基盤が、生物多様性データベースです。世界中の研究機関から集約される何百万というデータポイント。GlobalBiodiversityInformationFacilityなどのプラットフォームは、確かに膨大な情報を民主化しました。

しかし、ここにも盲点があります。

標本化バイアス：データ入力されているのは、アクセス容易な地域の植物ばかり。アフリカやアマゾンの未分類種は、統計に含まれない「ダークデータ」として存在します。つまり、絶滅危機にある種を、私たちは記録すら残していない可能性があります。
分類学の時間差：新種の発見と記録には数年の遅延が生じます。その間、すでに絶滅が進行しているかもしれません。テクノロジーのスピードと、自然科学の速度のミスマッチです。
デジタル化による文脈喪失：現地の土壌特性、微気候、地元知識などは、スプレッドシートに還元できません。正確さを求めてデータ化すれば、複雑な生態情報は削がれるのです。