Vakantiefoto's van zebra's en walvissen die toeristen op sociale media plaatsen, kunnen een voordeel hebben dat ze nooit hadden verwacht:onderzoekers helpen bij het volgen en verzamelen van informatie over bedreigde diersoorten.

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 bieden in hun bewegingen en populatietrends.

"We hebben miljoenen foto's van bedreigde en bedreigde dieren die zijn gemaakt door wetenschappers, cameravallen, drones en zelfs toeristen", zegt Tanya Berger-Wolf, directeur van het Translational Data Analytics Institute van de Ohio State University.

"Die afbeeldingen bevatten een schat aan gegevens die we kunnen extraheren en analyseren om dieren te helpen beschermen en uitsterven tegen te gaan."

En een nieuw veld genaamd imageomics gaat een stap verder met het gebruik van natuurfoto's door AI te gebruiken om biologische informatie over dieren rechtstreeks uit hun foto's te halen, zei Berger-Wolf, een professor in informatica en engineering, elektrische en computertechniek, en evolutie , ecologie en organismale biologie in de staat Ohio.

Ze besprak de recente ontwikkelingen in het gebruik van AI om natuurbeelden te analyseren en de oprichting van imageomics in een presentatie op 20 februari tijdens de jaarlijkse bijeenkomst van de American Association for the Advancement of Science. Ze sprak tijdens de wetenschappelijke sessie "Crowdsourced Science:Volunteers and Machine Learning Protect the Wild for All."

Een van de grootste uitdagingen waarmee milieuactivisten worden geconfronteerd, is het gebrek aan beschikbare gegevens over veel bedreigde en bedreigde diersoorten.

"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 IUCN Rode Lijst van Bedreigde Soorten 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 van uitsterven willen redden, moeten we weten hoeveel er in de wereld zijn, waar ze zijn en hoe snel ze afnemen", zei 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 afbeeldingen van olifanten te analyseren om veel van de informatie te verstrekken die we nodig hebben."

Berger-Wolf en haar collega's hebben een systeem gemaakt met de naam Wildbook dat computervisie-algoritmen gebruikt om foto's te analyseren die zijn gemaakt door toeristen op vakantie en onderzoekers in het veld om niet alleen diersoorten, maar ook individuen te identificeren.

"Onze AI-algoritmen kunnen individuen identificeren met alles wat gestreept, gevlekt, gerimpeld of gekerfd is - zelfs de vorm van een walvisbot 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 een 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 publiekelijk gedeelde social media-berichten doorzoekt naar relevante soorten. Dat betekent dat de vakantiefoto's van veel mensen van haaien die ze in het Caribisch gebied hebben gezien, uiteindelijk worden gebruikt in Wildbook voor wetenschap en natuurbehoud, zei ze.

Samen met informatie over wanneer en waar foto's zijn gemaakt, kunnen deze foto's helpen bij het behoud door populatietellingen, geboorte- en doodsdynamiek, soortenbereik, sociale interacties en interacties met andere soorten, waaronder mensen, te bieden, zei ze.

Dit was erg handig, maar Berger-Wolf zei dat onderzoekers het veld vooruit willen helpen met imageomics.

"Het vermogen om biologische informatie uit afbeeldingen te extraheren, is de basis van imageomics", legt ze uit. "We leren machines om dingen in beelden te zien die mensen misschien hebben gemist of niet kunnen zien."

Is het strepenpatroon op een zebra bijvoorbeeld op een betekenisvolle manier vergelijkbaar met het patroon van zijn moeder en, zo ja, kan dat informatie geven over hun genetische overeenkomsten? Hoe variëren de schedels van vleermuissoorten met 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.

De National Science Foundation kende Ohio State in september 15 miljoen dollar toe om leiding te geven aan de oprichting van het Imageomics Institute, dat wetenschappers van over de hele wereld zal helpen op dit nieuwe gebied. Berger-Wolf is hoofdonderzoeker van het instituut.

Naarmate het gebruik van AI bij het analyseren van natuurbeelden blijft groeien, zei Berger-Wolf, zal een van de sleutels zijn om ervoor te zorgen dat de AI eerlijk en ethisch wordt gebruikt.

Ten eerste moeten onderzoekers ervoor zorgen dat het geen kwaad kan. Gegevens moeten bijvoorbeeld worden beschermd, zodat stropers ze niet kunnen gebruiken om bedreigde diersoorten aan te pakken.

Maar het moet meer zijn dan dat.

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