生命科學／開放科學／生物資料整合／科學研究基礎設施
生物學下一個瓶頸不是「沒有資料」，而是資料彼此不會說話：NSF 用 2,000 萬美元押注「生命韌性資料合成」
NSF 投資生命韌性資料合成，顯示生物學瓶頸正從採集更多資料轉向整合 provenance、尺度與權利；AI 能協助接線，但不能取代學科判斷與資料治理。
雙向知識實驗室｜雙向知識實驗室以原住民族知識、資料主權、文化治理與 AI 應用為核心
AI 輔助製作的概念示意圖，非現場紀實或實驗照片。
生命科學正在遇到一個奇怪的問題：資料越多，理解不一定越多
過去二十年，生物學產生資料的速度驚人。基因定序、遙測、動物追蹤、博物館標本數位化、環境感測器、影像辨識與生理量測，讓研究者可以從分子一路看到生態系。但資料爆炸帶來的新瓶頸不是「沒有資料」，而是不同資料彼此缺少共同語言。
一份基因表現資料通常以樣本與序列為核心；動物追蹤資料以時間與座標為核心；自然史標本有採集日期、地點、分類與館藏資訊；生態資料又可能以樣區、物種與環境變數為核心。這些資料如果沒有明確 metadata、單位、時間尺度、地理解析度與來源紀錄，就算全部放進同一個硬碟，也不等於真正整合。
美國 NSF 近期宣布支持 National Synthesis Center for Organismal Resilience（NSCORE），正是在處理這種問題。它不是另一個「採更多樣本」的中心，而是把已存在的資料重新組合，嘗試回答生命個體如何在環境壓力下維持、調整與恢復。
為什麼 NSF 願意把大筆資源投入「合成」，而不是再採更多資料？
科學研究常以新資料作為創新的象徵，但很多重要問題其實已經有大量碎片，只是分散在不同學門與資料庫。舉例來說，研究熱浪對鳥類的影響，可以同時涉及基因、荷爾蒙、生理、羽毛、行為、遷徙、繁殖、氣候與地景。如果每個學門只發表自己的資料，研究者很難知道同一個現象在不同尺度是否一致。
Synthesis center 的意義就是提供時間、資料工程與跨領域合作，讓研究者可以重新利用既有資料。這種模式看起來不像「發現一個新物種」那麼有新聞感，卻可能改變研究效率。
它也更符合 open science 的理想：資料不是發表論文後就躺在硬碟，而是經過清楚整理後可以被重新詢問。但 open science 並不代表所有資料都必須完全公開，尤其涉及敏感物種地點、人類社群、原住民族知識與受限制的生物資源資訊。
「資料合成」最難的不是 AI，而是 provenance
今天只要提到跨資料整合，很容易直接想到 AI。大型模型確實可以協助讀取文獻、對齊欄位、找關聯與建立預測，但 AI 不能替代一個更基本的問題：每一筆資料從哪裡來？
Provenance 包含採樣方法、儀器、時間、地點、研究者、資料處理流程與權利狀態。如果一個模型把兩個資料集合併，卻不知道其中一個是實驗室控制條件，另一個是野外觀察，得到的關聯可能沒有生物學意義。
更嚴重的是，如果某一批資料原本只允許特定用途，AI 在整合時不能因為「技術上可以讀取」就忽略授權。對 Indigenous/community ecological data 而言，這尤其重要。資料主權不是附件，而應該成為 metadata 的一部分：誰提供、誰可使用、能不能衍生、能不能公開位置、能不能訓練模型。
從分子到森林，尺度不同就不能直接相加
生命韌性是一個跨尺度概念。一隻鳥在熱浪中是否存活，可能和細胞熱休克蛋白、代謝、羽毛、飲水行為、樹蔭、棲地碎裂與族群遺傳多樣性同時有關。每一層都有不同時間尺度與測量方式。
把這些資料「放在一起」很容易；建立合理因果鏈很難。研究者必須先問：哪些變數是同一時間點？哪些只是相關？哪些差異來自測量方式？如果一個資料集來自北美森林、另一個來自熱帶島嶼，是否能直接比較？
這也是為什麼 synthesis center 需要的不只是 data scientist，還需要 organismal biologist、ecologist、museum curator、statistician 與 domain expert。資料科學負責接線，學科知識負責判斷哪些線真的能接。
自然史博物館可能重新成為 AI 時代的重要基礎設施
博物館標本過去常被認為是「舊資料」，但在氣候與生物多樣性研究裡，它們提供無可取代的時間深度。一百年前採集的鳥羽、昆蟲或植物，可能保存當時的污染、同位素、形態與 DNA 痕跡。
當標本資料數位化，它們可以和現代遙測、氣候與基因資料串起來。但資料品質不會自動變好。歷史地名要對應現代座標，分類名稱會更改，採集日期可能不完整，舊標籤也可能有偏差。
AI 可以協助讀取手寫標籤、辨識影像與比對名稱，但最終仍需要 curator 了解館藏歷史與標本脈絡。這再次顯示「資料整合」不是純粹工程。
台灣為什麼值得關注？
這類國際中心與台灣的生物多樣性研究具有直接連結。台灣具有高地形差異、高物種多樣性與長期自然史資料，也累積大量中央研究機構、大學、博物館與民間觀察資料。如果這些資料能以可信 metadata、標準格式與權利治理互通，就能更有效回答物候改變、極端氣候、物種遷移與棲地壓力。
但台灣也有大量原住民族與地方社群的生態知識。這些資料不能被簡化成「另一個 biodiversity dataset」。例如某種植物出現時間可能同時具有採集、祭儀、狩獵或家庭知識脈絡；地點公開可能帶來採集壓力；名稱也可能帶有文化權利。
因此，真正先進的 data synthesis 應該允許「可連結但不可完全公開」。系統可以知道某筆資料存在、知道其治理者與存取方式，但不必把內容全部暴露給任何研究者或模型。
AI 最適合扮演「找出不一致」的角色
在大量跨尺度資料裡，AI 很適合找出異常：同一物種不同資料庫名稱不一致、同一地點座標偏差、同一時間環境資料互相矛盾，或某些變數高度相關但來源不同。
這種功能比「自動產生一個生命韌性結論」更可靠。AI 可以幫研究者找到值得檢查的地方，真正的生物學解釋仍需要人。
如果未來 NSCORE 類中心成功，最大的成果未必是一個超級模型，而可能是一套讓資料能被正確重用、問題能被跨學門追問的制度。
「開放」和「可治理」要一起設計
Open science 常用 FAIR 原則：Findable、Accessible、Interoperable、Reusable。對一般科學資料，這非常有價值；但對敏感文化、生態與社群資料，還需要加入權利、責任與關係。
一筆瀕危物種巢位資料，如果完全開放可能增加盜獵風險；一筆部落採集地點如果完全公開，可能造成外來採集；一段傳統知識如果進入 AI 訓練，也可能被脫離來源再生成。
因此下一代資料中心要做到的不只是 FAIR，也要知道什麼應該被限制。好的 data synthesis 不是「把所有資料吸進中央」，而是讓不同資料在保留治理邊界的前提下可以被共同分析。
結語：下一個突破，可能來自重新讀懂已經存在的資料
科學常把進步和「更多」畫上等號：更多樣本、更多感測器、更多序列、更多衛星。但當資料量大到學科之間彼此看不懂，真正的瓶頸就變成整合。
NSCORE 類中心代表一個值得注意的轉變：研究資源開始投入「讓既有資料產生第二次生命」。如果做得好，它不只提高效率，也能讓分子、個體、族群與生態系的研究真正接在一起。
但真正成熟的資料合成不只是技術問題。它必須保留 provenance、授權、不確定性與社群治理。只有在知道資料從哪裡來、能不能用、如何比較之後，AI 才有資格幫助我們回答更大的生命問題。
原傳媒AI｜依你的角色繼續追問
- organismal biologist：跨尺度資料整合時，如何避免把相關性誤寫成機制？
- 生物資訊／資料科學研究者：metadata、provenance 與資料標準如何影響 AI 分析可信度？
- 自然史博物館與 specimen-data 管理者：歷史標本資料如何和現代基因、氣候與遙測資料接軌？
- 台灣生物多樣性研究者／data steward：如何讓 Indigenous/community ecological data 可被研究又不失去治理邊界？
主要來源
角色驅動追問
原傳媒AI｜依你的角色繼續追問
先選擇角色，再閱讀該角色可能提出的完整問題；點選後，原傳媒AI 會以逐字顯示方式呈現完整回覆。
先選擇角色
organismal biologist
從「organismal biologist」的工作與責任情境，檢視本文證據、限制、治理邊界與可執行步驟。
再選擇問題
AI 使用與內容安全揭露
本文依官方與研究來源整理；已知事實、尚待確認內容與延伸分析分開說明。封面為 AI 輔助概念示意圖。
Newsletter
喜歡這篇文章？
訂閱原傳媒AI電子報，每日接收AI、傳統知識與雙向知識更新。