森林不是綠色像素：生物多樣性監測、開放科學與原鄉資料主權

一、當森林開始被聽見，也開始被下載

生物多樣性監測正快速進入 AI 時代。衛星影像可以追蹤森林破碎化，聲景感測器可以辨識鳥類、蛙類與昆蟲，相機陷阱可以記錄野生動物出沒，eDNA 可以從水樣或土壤中讀出物種線索。過去需要長時間蹲點、辨識與整理的工作，如今可以被模型加速。這當然值得期待，尤其在棲地流失、氣候變遷與外來種擴散的壓力下，我們確實需要更快知道自然世界發生了什麼。

但問題也在這裡：當森林被更快地看見、聽見與標記，它也更容易被下載、複製、交易與誤用。對城市研究機構而言，一筆物種位置資料可能只是座標；對部落而言，那可能是獵徑、祭儀地景、禁忌區、祖先故事、食物來源或不應公開的敏感知識。若開放科學只喊「資料越開放越好」，卻不問誰有權決定開放、誰承擔風險、誰取得利益，那麼開放就可能變成禮貌版的掠奪。

森林不是綠色像素，部落也不是資料供應商。AI 生物多樣性監測要真正有公共價值，必須同時處理兩件事：一是讓科學更能掌握環境變化；二是讓資料治理尊重地方社群、原住民族知識與文化邊界。少了第二件事，第一件事再先進，也可能只是把舊殖民採集換成雲端格式。

二、開放科學的盲點：資料會流動，權力也會流動

開放科學有它的進步意義。公共資金支持的研究成果若能共享，確實可以減少重複採樣、促進跨國合作、提升透明度，也讓環境政策更有證據基礎。生物多樣性資料庫、遙測平台、公民科學資料與模型開源，都讓更多人能參與環境知識生產。問題是，資料一旦流動，權力也跟著流動。誰能分析資料，誰能把資料轉成政策與產品，誰能取得研究聲望與商業利益，並不是平均分配。

在原住民族地區，這個問題更尖銳。許多高生物多樣性的地區同時也是原住民族傳統領域。外部研究者進入採集標本、拍攝影像、記錄物種、建立資料庫，常常帶著科學名義，卻沒有建立對等關係。即使研究者沒有惡意，資料離開地方後，也可能被用在部落不知情的用途：保育分區、觀光行銷、藥物開發、土地管制、甚至排除傳統利用的政策設計。資料看似中立，後果卻非常具體。

CARE 原住民族資料治理原則提醒我們，資料治理不能只看 FAIR 的可尋找、可取得、可互通、可再利用，也要看 Collective Benefit、Authority to Control、Responsibility、Ethics。換成白話，就是資料要對族群有集體利益，族群要有控制權，資料使用者要負責，整個過程要符合倫理。這不是反對科學，而是要求科學停止假裝自己沒有權力。

三、AI 監測不是只有準確率，還有地景關係

AI 生物多樣性模型最常被問準確率：鳥叫辨識對不對，相機陷阱分類準不準，衛星判讀有沒有誤差。這些都重要，但在原鄉地景裡，準確率不是唯一問題。有些資料不應被公開到精準座標，有些物種出沒不宜被觀光化，有些地點不適合被標示為打卡熱點，有些聲音記錄可能捕捉到人類活動、儀式或私人生活。模型若只追求更多資料，就可能把地方生活也吸進去。

例如聲景監測可以幫助理解森林健康，也可能錄到部落居民、獵人、採集者或祭儀聲音。相機陷阱可以記錄動物，也可能拍到不願被拍攝的人。衛星影像可以分析林地變化，也可能被用來指控地方傳統利用，而忽略外部開發、歷史土地剝奪與制度限制。AI 不是單純工具，它會把某些觀察方式放大，也會把某些解釋排除。

以魯凱族、排灣族、阿美族、泰雅族等不同族群的山林經驗為例，地景不是背景，而是關係。某條路不是單純路徑，可能與遷徙、婚姻、狩獵、避難、祭儀或植物知識有關；某個植物不是單純物種，可能同時是食物、藥用、工藝、禁忌與故事。若 AI 只把它轉成拉丁學名、GPS 座標與照片標籤，資料變乾淨了，關係卻被洗掉了。科學資料庫最容易犯的錯，不是資料不夠，而是把活的關係整理成死的欄位。

四、敏感資料需要分層，不是全部公開或全部封閉

生物多樣性資料治理不應陷入二分法：不是全部開放，就是全部保密。比較合理的做法，是建立分層權限與情境治理。一般棲地趨勢、非敏感物種分布、去識別化聲景指標，可以在適當授權下開放；瀕危物種精準位置、祭儀地景、採集路線、部落內部知識與可能引發盜獵或觀光壓力的資料，則需要限制公開，甚至只保留在地方治理系統中。

這種分層不是麻煩，而是負責任的資料設計。很多科學資料庫早已對敏感物種座標做模糊化處理，原住民族資料治理只是進一步提醒：敏感的不只有物種，也包括文化關係。某個地點之所以敏感，不一定因為那裡有珍稀動物，也可能因為那裡有祖靈故事、家族記憶、禁忌規範或歷史創傷。外部研究者若只問「這是不是科學資料」，常常問錯題。更重要的問題是：這筆資料被公開後，誰會受影響？

AI 系統也應該把這些規則內建，而不是事後補救。資料集應標示授權條件、族群治理要求、可否訓練模型、可否商業使用、可否跨境移轉、是否需回饋地方。模型輸出若涉及敏感地點，應自動降低解析度或提示需取得社群同意。這些設計不會讓 AI 變笨，反而會讓 AI 更像一個懂得進入別人家門前先敲門的工具。

五、藥用植物與生物多樣性資料，不是無主素材庫

談生物多樣性時，最容易被忽略的是植物知識的文化厚度。藥用植物、食用植物、染材、編織材料、建材與祭儀植物，不只是自然資源，也常是族群分類、身體經驗、季節觀察與倫理規範的累積。部落長者知道某種植物何時可採、哪個部位可用、哪些人不宜碰、採集前後要如何說話或行禮，這些知識很難被簡化成「功效」、「成分」、「位置」三個欄位。若研究只抽取可商品化的部分，文化脈絡就會被剝皮。

因此，開放科學進入藥用植物領域尤其要小心。不是所有植物用途都適合公開，不是所有長者說過的內容都可以上網，不是所有影像都能訓練模型。某些知識可能需要家族、部落或特定身分才能接觸；某些內容可以教學，但不能商業化；某些可以在地保存，但不宜跨境流通。資料主權不是把知識鎖死，而是讓族群有權決定知識如何被保存、分享、教學與保護。

這也是為什麼「諮詢委員」不是形式。像長期參與茂林地區文化、母語與藥用植物紀錄的長者，提供的不只是素材，而是判斷邊界的能力：什麼可以說，什麼要保留；什麼是植物名稱，什麼是地景關係；什麼是外部研究者聽得懂的描述，什麼是部落內部才懂的倫理。沒有這種文化指導，AI 很容易把尊重做成漂亮口號，把資料採集做成高科技吸管。

六、從資料採集走向資料共治

真正值得期待的方向，是把生物多樣性監測從「研究者採集地方」轉向「地方共治資料」。部落可以參與監測目標設定：是要追蹤獵場健康、溪流變化、外來種、傳統食物、災後棲地復原，還是觀光壓力？不同目標會決定不同資料設計。部落也可以參與資料解釋：某種鳥叫減少，可能是氣候因素，也可能是道路施工、獵徑改變、季節錯位或地方禁忌期間人類活動降低。沒有地方脈絡，模型很容易把複雜世界翻譯成簡化圖表。

資料回饋同樣重要。太多研究把地方變成樣區，成果卻只回到期刊。負責任的監測應該提供地方可用的儀表板、族語或中文解說、學校教材、巡守工具與政策建議。資料不只是給國際報告看的，也應該回到照顧土地的人手上。否則，森林被測量得越精準，地方卻越沒有權力，這種精準就很諷刺。

AI 可以成為雙向知識的工具，但前提是它承認自己不是主人。它應該協助部落保存可公開的環境記憶，協助年輕人理解地景變化，協助公部門看見地方治理能力，也協助科學家避免把資料當成無主物。森林不是綠色像素，牠有聲音、有路、有名字，也有人世代與之相處。生物多樣性監測若想保護自然，就不能先把照顧自然的人從資料治理中刪掉。

source-check notes

• Global Indigenous Data Alliance, "CARE Principles for Indigenous Data Governance", https://www.gida-global.org/careprinciples

核對重點：CARE 與 FAIR 的互補關係、集體利益、控制權、責任與倫理。

• Convention on Biological Diversity, "Kunming-Montreal Global Biodiversity Framework", adopted 2022-12-19, https://www.cbd.int/gbf/

核對重點：2030 生物多樣性目標、原住民族與地方社群、傳統知識與利益分享。

• IPBES, "Global Assessment Report on Biodiversity and Ecosystem Services", 2019, https://www.ipbes.net/global-assessment

核對重點：生物多樣性危機、地方與原住民族知識在評估中的角色。

• GBIF, data publishing / sensitive species guidance, https://www.gbif.org/