2003年，佛罗里达人从埃弗格莱兹国家公园收集了23条缅甸蟒蛇。他们知道，尽管这种大蟒蛇在美国很受欢迎但它不属于那里-它原产于东南亚。2005年，公园又发现了95条。第二年，蟒蛇以令人担忧的速度吞噬了本地野生动植物，南佛罗里达州水管理区要求美国鱼类和野生动物管理局禁止入侵物种的贸易。该机构 直到2012年才这样做，这为时已晚。
芝加哥洛约拉大学（Loyola University）的生态学家鲁本·凯勒（Reuben Keller）说：“当他们决定尝试禁止这项交易时，这项交易已经建立并传播开来。” 研究人员认为这种动物现在是大沼泽地的永久居民。蟒蛇只是美国4300种入侵物种之一，每年造成的损失超过1200亿美元。
研究人员发现，处理这些破坏性物种的最经济有效的方法是首先防止它们被建立起来。这意味着生态学家和野生动植物官员需要能够尽早预测哪些外来生物具有入侵潜力。这是他们最近几十年来一直在培养的技能。他们的一些较新的预测工具可以快速估算风险，使管理人员可以将时间和精力集中在将来最有可能造成问题的物种上。其他利用机器学习的方法来识别可能会有遗漏的威胁，尤其是在数据有限的情况下。如果美国能够鼓起政治意愿使用并采取行动，则这两种策略都可以使先发制人的禁令更加普遍。
阻止那只宠物！
主动性禁令特别适用于人们想将其作为宠物、观赏植物或狩猎或捕鱼游戏引入的物种。自1900年以来，根据《莱西法案》（lacey act）的立法，如果一个物种的潜在环境影响超过其贸易价值，鱼类和野生动物管理局（fish and widlife service）有权禁止该物种进口。但要做出这样的决定，生态学家需要提前知道一个物种如果被引入，会造成多大的危害。
直到最近，标准方法一直是深入研究有机体的自然历史。例如，在禁止缅甸蟒蛇和其他动物之前，爬行动物专家必须了解所有关于每种物种的信息，包括其所需的栖息地类型，所吃的食物以及它是否具有入侵性或者在何处入侵过，然后将结果汇总成报告。这个报告是如此之厚，以至于凯勒说它们“都可以成为一本书”了。凯勒及其同事在2016年《环境与资源年度评论》中指出，对每个物种来说，这样的过程都需要数月甚至数年，这是大蟒的禁令在防止严重环境损害时为时已晚以的原因之一。
2010年之后情况有所改善。当时鱼类与野生动物服务局推出了一种新的入侵预测技术，该技术更快，数据消耗更少。它被称为“生态风险筛选摘要”，它记录了过去引入某个物种的影响，并启动了一个气候匹配模型，该模型可以扫描美国找到该物种适合生存的环境。在不到两天的时间里，它标记了入侵风险高，低或不确定的物种，并显示了该物种最容易繁殖的区域。
该项目的负责人凯特·怀曼·格罗特姆（Kate Wyman-Grothem）说，这种速度有时使得她的部门能够迅速向野生动植物官员提供他们所担心的外来动物、植物的评估，无论是赞成还是反对。但更常见的是，大约80％的时间里，物种是“不确定”类别，因为生物学家找不到足够的已发表数据来下定论。
在Fish和Wildlife制作新工具的同时，凯勒和其他研究人员认为他们看到了前进的道路。他们开始设计不同的预测技术，以更好地应对有限的数据。这些技术使用机器学习的的方法来分析过去已经入侵和未入侵的物种，从而确定决定入侵的关键特征。由此，研究人员可以预测哪些新来者可能会遵循相同的道路。华盛顿大学的保护生态学家朱利安·奥尔登（Julian Olden）说，“现在数据库已经发展到我们至少可以更有把握地说出可能发生的事情的规模”。
奥尔登及其同事使用这种机器学习方法来评估数百种鱼类的潜在入侵能力，这些鱼类有一天可能会以诱饵，食物或逃脱的鱼类种群的形式到达五大湖区。他们首先收集了18种性状的数据，如耐盐性，后代数量和繁殖频率，这些数据涉及24种具有生态系统历史记录的引进物种。一半被认为是对这些湖泊有侵害的，而另一半则对湖泊没有影响。通过将入侵物种的特征与无害物种的特征进行对比，他们的机器学习算法能够对超过四分之三物种进行正确分类。
然后，科学家们研究了787种可能具有入侵性的鱼类，并使用他们的算法来预测每种鱼类可能属于哪种类别，入侵性或良性。该小组确定了对五大湖地区的四大威胁：欧洲鲶鱼，蓝鲶鱼，鲈鱼和鲈鱼。经验丰富的生态学家认为，根据它们的模型，将这四种鱼引入这些水域几乎可以肯定会变得具有侵入性，并且可能造成相当大的破坏。
很难做数学
但是，将数据点转化为可感知风险的高级计算的机器学习的基础数学是很难理解的。“在某些情况下，您无法真正解释这些工具的工作情况，”与奥尔登（Olden）合作进行该项目的凯勒（Keller）说。当研究人员试图说服可能不熟悉此类数学模型的监管者将其用作决策工具时，解释复杂的算法是他们可能面临的挑战。
该组织大湖区计划水生入侵物种主管林赛·查德顿说，相反，目前这些预测在管理入侵物种中起着背景作用。例如，自然保护协会利用它们帮助大湖地区的州和省级官员在2013年起草了 “最不受欢迎的”入侵物种清单。清单中包括杀手虾和各种水生植物等物种。美国其他机构，例如农业部动植物健康检验局，使用类似的复杂模型来跟踪现有入侵物种下一步可能在何处入侵，就像2015年在评估野猪可能在何处传播时所做的那样。复杂的情景模型甚至可以突出哪些栖息地即使不利于入侵，也有可能足以维持一个物种的生存，正如最近在大湖区对亚洲鲤鱼的研究所发现的那样。
其他国家已经开始使用各种预测技术来筛选潜在的入侵者，然后才考虑将其进口。几十年前，澳大利亚和新西兰将入侵物种风险评估作为生态系统保护的一部分。各国已经公布了一份允许进口的宠物名单，任何不在名单上的物种都被禁止进口。同样，任何尚未列入批准名单的观赏植物必须提前评估其入侵潜力。
但是美国仍然沿用1900年的《雷斯法案》（Lacey Act），该法案将举证责任加诸于试图禁止某种物种进行贸易的人。这需要大量的证据，大量的时间和比机器学习所提供的更多的透明度-结果是，拟议的禁令平均需要四年以上的时间才能实施。对于像缅甸蟒蛇这样蓬勃发展的侵入性生物而言，它几乎吃掉了所遇到的任何动物，且一次就可以产下100个卵，这为它在新环境中立足提供了充足时间。 凯勒说：“当您将其与这些可以释放然后扩散的生物的发展速度进行比较时，它是冰川。”但是，除非美国对外来物种的进口采取更加积极，预防的态度，否则预测性努力是不可能有效，且禁令也会来得太少，太迟。
10.1146 / knowable-081319-1 莱斯利·尼莫（Leslie Nemo）是纽约的自由撰稿人，他对入侵物种及我们对待它们的方式着迷。在www.leslienemo.com或Twitter @leslie_nemo上找到更多她的作品