Onderzoekers hebben een programma voor kunstmatige intelligentie (AI) ontwikkeld dat automatisch microscopische mariene organismen kan identificeren op soortniveau. De volgende stap is om de AI op te nemen in een robotsysteem dat ons inzicht in de oceanen van de wereld zal helpen vergroten, zowel nu als in ons prehistorische verleden.

specifiek, het AI-programma is in staat gebleken zes soorten foraminiferen te identificeren, of forams - organismen die al meer dan 100 miljoen jaar in de oceanen van de aarde voorkomen.

Forams zijn protisten, noch plant noch dier. Als ze sterven, ze laten hun kleine schelpen achter, de meeste minder dan een millimeter breed. Deze schelpen geven wetenschappers inzicht in de kenmerken van de oceanen zoals ze bestonden toen de forams nog leefden. Bijvoorbeeld, verschillende soorten foramsoorten gedijen goed in verschillende soorten oceaanomgevingen, en chemische metingen kunnen wetenschappers over alles vertellen, van de chemie van de oceaan tot de temperatuur toen de schaal werd gevormd.

Echter, het evalueren van die foramschelpen en fossielen is zowel vervelend als tijdrovend. Daarom is een interdisciplinair team van onderzoekers, met expertise variërend van robotica tot paleoceanografie, werkt aan het automatiseren van het proces.

"Op dit punt, de AI identificeert de forams ongeveer 80 procent van de tijd correct, wat beter is dan de meeste getrainde mensen, " zegt Edgar Lobaton, een universitair hoofddocent elektrische en computertechniek aan de North Carolina State University en co-auteur van een paper over het werk.

"Maar dit is slechts het proof of concept. We verwachten dat het systeem in de loop van de tijd zal verbeteren, omdat machine learning betekent dat het programma bij elke iteratie nauwkeuriger en consistenter wordt. We zijn ook van plan om de reikwijdte van de AI uit te breiden, zodat het ten minste 35 soorten forams kan identificeren, in plaats van de huidige zes."

Het huidige systeem werkt door een foram onder een microscoop te plaatsen waarmee foto's kunnen worden gemaakt. Een LED-ring schijnt vanuit 16 richtingen één voor één licht op het foram en maakt bij elke verandering in licht een beeld van het foram. Deze 16 afbeeldingen worden gecombineerd om zoveel mogelijk geometrische informatie te verschaffen over de vorm van het foram. De AI gebruikt deze informatie vervolgens om de soort van het foram te identificeren.

Het scannen en identificeren duurt slechts enkele seconden, en is al even snel – of sneller – dan de snelste menselijke experts.

"Plus, de AI wordt niet moe of verveeld, " zegt Lobaton. "Dit werk demonstreert de succesvolle eerste stap in de richting van het bouwen van een robotplatform dat in staat zal zijn om te identificeren, automatisch forams kiezen en sorteren."

Lobaton en zijn medewerkers hebben een subsidie ​​ontvangen van de National Science Foundation (NSF), vanaf januari 2019, om het volledig functionele robotsysteem te bouwen.

"Dit werk is belangrijk omdat oceanen ongeveer 70 procent van het aardoppervlak bedekken en een enorme rol spelen in het klimaat, " zegt Tom Marchitto, een universitair hoofddocent geologische wetenschappen aan de Universiteit van Colorado, Kei, en corresponderende auteur van het artikel.

"Forams zijn alomtegenwoordig in onze oceanen, en de chemie van hun schelpen legt de fysische en chemische kenmerken vast van het water waarin ze groeiden. Deze kleine organismen getuigen van vroegere eigenschappen zoals temperatuur, zoutgehalte, zuurgraad en nutriëntenconcentraties. Op hun beurt kunnen we die eigenschappen gebruiken om de oceaancirculatie en warmtetransport te reconstrueren tijdens klimaatgebeurtenissen in het verleden.

"Dit is van belang omdat de mensheid zich midden in een onopzettelijke, klimaat-'experiment' op wereldschaal door onze uitstoot van broeikasgassen, ", zegt Marchitto. "Om de resultaten van dat experiment te voorspellen, moeten we beter begrijpen hoe het klimaat op aarde zich gedraagt ​​wanneer de energiebalans wordt gewijzigd. De nieuwe AI, en het robotsysteem dat het mogelijk zal maken, zou ons vermogen om meer te leren over de relatie tussen het klimaat en de oceanen over grote tijdschalen aanzienlijk kunnen versnellen."

De krant, "Geautomatiseerde identificatie op soortniveau van planktische foraminiferen met behulp van convolutionele neurale netwerken, in vergelijking met menselijke prestaties, " is gepubliceerd in het tijdschrift Mariene Micropaleontologie .