Hoe jouw vakantiefoto's onderzoekers kunnen helpen bedreigde diersoorten op te sporen

Een recente studie geleid door onderzoekers van Ohio State University’s (OSU) heeft aangetoond dat foto’s die mensen namen en postten op sociale media tijdens hun vakantie met zebra’s of walvissen een onverwacht voordeel hebben.

Vakantiefoto’s van zebra’s en walvissen die toeristen op sociale media plaatsen, kunnen onderzoekers helpen bij het opsporen en verzamelen van informatie over bedreigde diersoorten, schrijft Jeff Grabmeier van The Ohio State University. Wetenschappers gebruiken kunstmatige intelligentie (AI) om foto’s van zebra’s, haaien en andere dieren te analyseren om individuen te identificeren en te volgen en nieuwe inzichten te verschaffen in hun bewegingen, alsook in populatietrends.

Gebruik van AI om biologische informatie over dieren rechtstreeks uit foto’s te halen

We hebben miljoenen beelden van bedreigde dieren, genomen door wetenschappers, cameravallen, drones en zelfs toeristen,” zegt Tanya Berger-Wolf, directeur van het Translational Data Analytics Institute aan The Ohio State University. “Die beelden bevatten een schat aan gegevens die we kunnen extraheren en analyseren om dieren te helpen beschermen en uitsterven tegen te gaan.”

Een nieuwe ontwikkeling genaamd imageomics neemt het gebruik van wildlife beelden een stap verder door gebruik te maken van AI om informatie over dieren direct uit hun foto’s te halen, zei Berger-Wolf, een hoogleraar aan Ohio State. Een van de grootste uitdagingen waar milieuactivisten voor staan is het gebrek aan beschikbare gegevens over veel bedreigde en met uitsterven bedreigde soorten. “We verliezen biodiversiteit in een ongekend tempo en we weten niet eens hoeveel en wat we verliezen,” zei Berger-Wolf.

Van de meer dan 142.000 soorten op de Rode Lijst van bedreigde diersoorten van de IUCN is de status van meer dan de helft niet bekend omdat er niet genoeg gegevens zijn, of omdat hun populatietrend onzeker is. “Als we Afrikaanse olifanten voor uitsterven willen behoeden, moeten we weten hoeveel er in de wereld zijn, waar ze zich bevinden en hoe snel hun aantal afneemt”, aldus Berger-Wolf. “We hebben niet genoeg GPS-halsbanden en satelliettags om alle olifanten te volgen en die vragen te beantwoorden. Maar we kunnen AI-technieken zoals machine learning gebruiken om beelden van olifanten te analyseren om veel van de informatie te leveren die we nodig hebben.”

Olifanten, beeld Pixabay

Wildbook

Berger-Wolf en haar collega’s creëerden een systeem dat Wildbook heet en dat computervisie-algoritmen gebruikt om foto’s te analyseren die door toeristen op vakantie en onderzoekers in het veld zijn genomen. Dit om niet alleen diersoorten, maar ook individuen te identificeren.” Onze AI-algoritmen kunnen individuen identificeren aan de hand van alles wat gestreept, gevlekt, gerimpeld of ingekerfd is – zelfs de vorm van de staartvin van een walvis of de rugvin van een dolfijn,” zei ze. Wildbook bevat bijvoorbeeld meer dan 2 miljoen foto’s van ongeveer 60.000 uniek geïdentificeerde walvissen en dolfijnen van over de hele wereld. “Dit is nu een van de belangrijkste informatiebronnen die wetenschappers hebben over orka’s – ze hebben niet langer gebrek aan gegevens,” zei ze. Naast haaien en walvissen zijn er wildboeken voor zebra’s, schildpadden, giraffen, Afrikaanse carnivoren en andere soorten.

Berger-Wolf en haar collega’s hebben een AI-agent ontwikkeld die openbaar gedeelde social media posts doorzoekt op relevante diersoorten. Dat betekent dat de vakantiefoto’s van veel mensen, bijvoorbeeld van haaien die ze in het Caribisch gebied hebben gezien, uiteindelijk in Wildbook worden gebruikt voor wetenschap en natuurbehoud. Samen met informatie over wanneer en waar de foto’s zijn genomen, kunnen deze foto’s helpen bij het behoud door populatietellingen, geboorte- en sterfte dynamiek, bereik van de soort, sociale interacties en interacties met andere soorten, waaronder de mens.

Dit is zeer nuttig geweest, maar Berger-Wolf zei dat onderzoekers op zoek zijn om het veld vooruit te helpen met imageomics. “De mogelijkheid om biologische informatie uit beelden te halen is de basis van imageomics,” legde ze uit. “We leren machines om dingen in beelden te zien die mensen misschien gemist hebben of niet kunnen zien.” Is bijvoorbeeld het strepenpatroon van een zebra op een zinvolle manier vergelijkbaar met dat van zijn moeder en, zo ja, kan dat informatie geven over hun genetische overeenkomsten? Hoe variëren de schedels van vleermuissoorten naar gelang de omgevingsomstandigheden, en welke evolutionaire aanpassing drijft die verandering aan? Deze en vele andere vragen kunnen worden beantwoord door machine learning analyse van foto’s.

Naarmate het gebruik van AI bij het analyseren van beelden van in het wild levende dieren blijft toenemen, moet er volgens Berger-Wolf voor worden gezorgd dat AI op een rechtvaardige en ethische manier wordt gebruikt. Ten eerste moeten onderzoekers ervoor zorgen dat het geen schade aanricht. De gegevens moeten bijvoorbeeld worden beschermd, zodat ze niet door stropers kunnen worden gebruikt om bedreigde diersoorten aan te vallen.

Maar het moet meer zijn dan dat.

“We moeten ervoor zorgen dat het een mens-machine partnerschap wordt waarin mensen de AI vertrouwen. De AI moet, door het ontwerp, participatief zijn, verbinding maken tussen de mensen, tussen de gegevens en tussen de geografische locaties”.

Bron: BrightVibes