但它仍然是斑驳的。毕竟，确定一个物种的危害程度是一个耗时且漫长的过程。然而，科学家们现在已经开发出一种方法可以加快这种速度，至少对未来的植物而言。算法自动计算潜在风险，帮助快速识别潜在的濒危物种和区域。

成千上万的动植物物种在世界范围内面临着灭绝的危险 - 而且越来越多，一瞥世界自然保护联盟(IUCN)的红色名录就令人印象深刻。自20世纪60年代以来，这份清单记录了我们星球上的哪些生物特别脆弱。通过这种方式，它可以帮助立法者和研究人员在保护生物多样性方面确定正确的优先事项。事实上，如果没有定期更新的IUCN危害报告，我们对今天的灭绝和灭绝知之甚少。然而，红色名录有一个至关重要的弱点：只有一小部分已知物种出现在那里。

这对植物来说尤其极端。因此到目前为止，IUCN仅对所有物种中的5%进行了评估。这意味着我们甚至不了解许多植物，无论它们是否受到威胁。造成这些缺陷的主要原因是：对物种灭绝风险的评估极其复杂，耗费了大量资源。有时甚至会发生植物物种在红色名单上出现之前死亡的情况。为了在未来改变这种状况，Radford大学的Tara pelletier及其同事现已开发出一种有用的工具。他们创建了一种计算机算法，可自动确定工厂的潜在风险。

自动风险计算

在这里，研究人员把机器学习的可能性优势：通过使用可自由访问的数据，他们喂养他们的算法首先来自世界各地的超过15万种陆生植物的重要信息 - 包括它们的分布，生态需求和形态特征。使用由IUCN分类的少数几种在五种危险类别中的一种，然后他们训练他使用这些信息来估计物种灭绝的风险。当算法变得足够好时，他们在第二步中将其应用于数以千计的未评级植物。