MIT用AI同水下攝影揭開海洋神秘面紗

MIT結合AI與水下攝影，揭示隱藏的海洋世界

位於美國東北部的緬因灣，是全球生物多樣性最豐富的海洋生態系統之一，棲息著鯨魚、鯊魚、水母、鯡魚、浮游生物等數百種物種。然而，這片海域正面臨快速的環境變化，緩慢升溫速度已超過全球99%的海洋，帶來的影響仍在持續發展中。

麻省理工學院（MIT）Sea Grant計劃下的新研究項目LOBSTgER（Learning Oceanic Bioecological Systems Through Generative Representations），將人工智能（AI）與水下攝影技術結合，紀錄這些因環境變化而變得脆弱的海洋生物，並以全新視覺方式向公眾呈現。該項目由水下攝影師兼MIT Sea Grant訪問藝術家Keith Ellenbogen及MIT機械工程博士生Andreas Mentzelopoulos共同領導，旨在利用生成式AI擴展基於實地攝影數據的科學敘事。

正如19世紀攝影技術革新了我們紀錄自然世界的能力，捕捉前所未有的細節並揭示遠方或隱藏環境，生成式AI如今開創了視覺敘事的新領域。AI不僅提供創作與概念的新空間，更挑戰我們對真實性的定義，以及科學與藝術視角的傳達方式。

在LOBSTgER項目中，生成模型僅以Ellenbogen精心挑選的原始水下照片作為訓練資料。這些照片不但具備藝術意圖與技術精確性，還涵蓋了準確的物種識別和明確的地理背景。透過建立基於真實觀察的高質量資料集，確保產出的影像既保持視覺真實性，同時兼具生態學意義。此外，Mentzelopoulos開發了專屬代碼，避免外部數據或模型帶來的偏差，使LOBSTgER的AI生成結果更可靠。此AI技術以真實攝影為基礎，豐富了研究者的視覺詞彙，加深大眾與自然界的連結。

LOBSTgER項目融合藝術、科學與科技，結合攝影的視覺語言、海洋科學的嚴謹觀察與生成式AI的計算能力，不僅創造出新的海洋生命視覺化方法，也重新構想環境故事的敘述方式。這種跨領域整合體現了MIT長期以來的創新傳統，既是研究工具，也是創意實驗。

水下攝影在新英格蘭沿海水域極具挑戰，能見度有限、泥沙及氣泡擾動，以及海洋生物的不可預測移動，都讓拍攝變得困難。多年來，Ellenbogen在「Space to Sea: Visualizing New England’s Ocean Wilderness」計劃下，努力克服這些困難，建構該地區生物多樣性的完整影像記錄，這龐大且多角度、多光照和多行為的資料庫，成為訓練LOBSTgER生成模型的堅實基礎。

LOBSTgER採用定製的擴散模型，不只模仿Ellenbogen紀錄的生物多樣性，也學習其獨特的藝術風格。透過數千張真實水下照片，模型內化了細膩的自然光影變化、物種特有色彩，甚至水中懸浮顆粒和折射陽光所營造的氛圍質感，因此生成的影像不僅視覺真實，更有沉浸感與感染力。

這些模型既能無需用戶輸入，自行生成全新且科學準確的合成影像（無條件生成），也能在真實照片基礎上進行增強（條件生成）。將AI融入攝影流程後，Ellenbogen能利用工具恢復混濁水域的細節、調整光線突出主體，甚至模擬實地難以捕捉的場景。此混合方法也有助於其他面對類似挑戰的水下攝影師和影像編輯，加快策展流程，打造更完整且連貫的水下生命視覺敘事。

在一系列關鍵影像中，Ellenbogen在潛水時捕捉了獅鬃水母、藍鯊、美國龍蝦及翻車魚（Mola mola）的高解析度照片。Ellenbogen坦言，高質量資料集的取得不易，需多次潛水、錯過機會，且面對不可預測的環境條件，但正是這些挑戰讓水下紀錄既困難又值得。

Mentzelopoulos為LOBSTgER開發獨創代碼，訓練一系列基於Ellenbogen影像的潛在擴散模型。建構這類模型技術要求極高，訓練過程複雜，需耗費數百小時計算及精細參數調整。

項目展現雙重進程：Ellenbogen在現場捕捉珍貴且稍縱即逝的海洋生物瞬間；Mentzelopoulos則在實驗室將這些瞬間轉化為機器學習模型，延伸並重新詮釋海洋視覺語言。

Mentzelopoulos強調：「我們的目標不是取代攝影，而是基於並輔助它——讓看不見的變得可見，幫助人們以情感與智識兼具的方式理解環境的複雜性。模型不僅捕捉生物的真實，還承載能促使實際行動的情感力量。」

LOBSTgER象徵著觀察與科技詮釋融合的未來。團隊長遠目標是建立涵蓋緬因灣多種物種的綜合模型，並將方法推廣至全球海洋生態系統。

研究人員認為，攝影與生成式AI是連續體而非對立面。攝影捕捉實際存在的紋理、光線與生物行為，而AI則將視野延伸至科學數據和藝術想像能推論或理解的範圍。兩者結合，為以影像傳達科學提供強大框架。

在生態快速變遷的地區，影像不僅是紀錄，更是提升認知、促進參與，最終助力保育的工具。LOBSTgER仍處於初期階段，團隊期待隨著項目進展，帶來更多發現、影像與洞見。

編輯評論：

MIT的LOBSTgER項目巧妙融合了藝術、科學與先進AI技術，為海洋生態的視覺敘事帶來革命性變革。水下攝影歷來因環境限制而難以捕捉清晰影像，結合生成式AI不僅解決了技術瓶頸，更開啟了對海洋生命更深層次的觀察與詮釋可能。這種「真實影像+AI擴展」的混合方式，不但保留了生態學的嚴謹，也賦予作品藝術感染力，促使公眾更易產生情感共鳴，從而提高環境議題的關注度。

此外，LOBSTgER展現了AI應用於科學溝通的新典範，不再是冷冰冰的數據堆砌，而是結合美學與敘事的橋樑。這對於香港乃至全球面對環境危機的城市和社會，提供了值得借鑑的思路：如何利用科技與藝術融合，讓科學知識更生動、更具影響力。

未來，若此技術能普及給更多水下攝影師與研究人員，有望加速全球海洋生態監測和保護工作。也期待此類跨學科合作推動更多創新，讓我們在面對快速變化的自然環境時，不僅有數據，更有感動人心的故事，激發更多公眾參與環保行動。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。