N.B. Het kan zijn dat elementen ontbreken aan deze printversie.
In beeld Zeehonden tellen en herten herkennen. Biologen gebruiken AI om de natuur in kaart te brengen.
Edelherten. Chitalherten. Walvissen. Zeehonden. Neushoorns. Wolven. Tijgers. Sneeuwluipaarden. Zweefvliegen. Wespen. Al jaren wordt in de biologie gebruik gemaakt van cameravallen om dieren te spotten – soms omdat soorten te schuw of te zeldzaam zijn om waar te nemen, soms omdat wetenschappers gedrag willen monitoren of individuen willen kunnen herkennen, bijvoorbeeld om een indruk te krijgen van de populatieomvang. Als er beweging plaatsvindt – door een dier of, met wat pech, door in de zon opgewarmd wuivend gras – wordt dat automatisch geregistreerd door de camera. Met als resultaat: soms wel duizenden foto’s per etmaal. Die allemaal analyseren is een tijdrovende klus, en dus biedt AI uitkomst: door middel van patroonherkenning.
Met deep learning wordt het computeralgoritme ‘getraind’ in het herkennen van beelden. Dat trainen is in eerste instantie nog mensenwerk, omdat de juiste beelden moeten worden geselecteerd om mee te oefenen. Maar na verloop van tijd wordt de foutenmarge steeds kleiner, en kunnen de computers soorten vaak tot op individueel niveau herkennen. Bij de chitalherten die in de Nepalese jungle leven gebeurt dat bijvoorbeeld aan de hand van hun kenmerkende stippenpatroon, bij tijgers en zebra’s aan de hand van hun strepen. Netwerken die in zulke patroonherkenning gespecialiseerd zijn heten CNN’s: convolutional neural networks.
Bovenstaande beelden zijn afkomstig uit de database van Agouti, een door Wageningen Universiteit ontwikkeld platform voor soortherkenning en individuele herkenning van wildcamerabeelden.
Gekleurde stippen corresponderen met verschillende punten op het lichaam van de gefotografeerde edelherten, waardoor de computer ook de houding kan analyseren en bijvoorbeeld kan classificeren als ‘lopen’ of ‘grazen’.
Overigens hoeven voor de patroonherkenning niet per se alleen foto’s van cameravallen te worden gebruikt. Door Wageningse onderzoekers wordt deep learning bijvoorbeeld ook gebruikt om op luchtfoto’s en satellietbeelden zeehonden te tellen in afgelegen gebieden, of om op dronebeelden het gedrag van individuele dolfijnen te kunnen analyseren om te zien hoe ze reageren op verstoring door boten.