植物塑造着花园、街道和室内的视觉语言。叶片、花朵、生长节奏与季节变化，让我们辨认出一个地方。在这篇属于我2024年AI与视觉文化研究的文章中，我思考计算、栽培与育种之间未来的联系，可能如何改变这种语言。问题既包括我们能种植什么，也包括我们如何学会观察有生命的环境。
AI可以帮助研究者比较遗传信息、图像和栽培条件，寻找有价值的问题与育种候选材料。它支持的是生物学研究，而不是把图像变成能存活的植物。设想中的性状仍需培育和验证。颜色、形态、营养价值与抗逆性未必能同时提高；如何取舍，仍是工作的一部分。
历史品种提供了另一个方向。种子收藏、植物学记录和遗传证据，可以帮助找回关于不再栽培的植物的知识。AI或许能让这些联系更容易探索。但识别亲缘关系，不等于重新创造失传的品种。我看到的是让景观和饮食文化重新连接自身历史的机会，而不是把推测性的重建说成原样归来。
在受控栽培环境中，系统可以将植物观察与光照、温度、水分、养分管理结合。AI可能帮助调整条件，或发现值得进一步检查的问题。目标是更健康的生长和更审慎的资源使用。具体农场能否实现，取决于作物、设备、能源供应和运营决策。
面向未来气候的育种，可以让研究者、种植者与设计师展开更紧密的交流。模型或许能帮助选择接受高温、干旱或盐胁迫测试的候选材料。在一种环境中成功，并不保证在另一种环境中也有效。保留多样的品种和地方知识，可能与追求一种高性能植物同样重要。
在视觉文化层面，我想象景观不仅在空间中构成，也在时间中展开。不同花期、叶片质感与生长模式，形成不断变化的组合，栽培工具则帮助人们照料它们。新的观赏品种可能扩充这一词汇。价值取决于它们如何在当地生存，包括与其他生物的关系，而不仅是外观有多新奇。
同样的思路可以延伸到收获后的分选、储藏和分配，帮助团队探索减少损失的方式。但新品种或受控环境并不自动带来生态平衡。关于水、能源、繁殖和引入景观的决定，都需要证据。设计可以让这些关系变得可见，而不是用绿色的外观把它们遮住。
我想象的是与生命形态更丰富的对话。AI可以帮助我们运用植物学知识、探索可能性，而生长仍在屏幕之外继续。最有意思的结果，也许不是完美的植物或惊人的新品，而是美感包含多样性、变化，以及维系它们所需照料的环境。
AI与视觉文化：33. 动物设计 ↗
