Bei einem kürzlichen Ausflug in den örtlichen Botanischen Garten bemerkte ich eine große, auffällige lila Blume, die ich noch nie zuvor bemerkt hatte. Ich habe versucht, es zu googeln, aber ich wusste nicht genau, was ich fragen sollte. "Purple Flower" brachte mir Bilder von Narzissen und Freesien, Orchideen und Primeln, Gladiolen und Winde. Keine von ihnen war die Blume, die ich gesehen hatte.
Verwandte Inhalte
- Wird die nächste große wissenschaftliche Entdeckung von Amateuren gemacht?
- Wissenschaftler katalogisieren Kreaturen in jeder Ecke von Los Angeles
- Die drei wichtigsten Ergebnisse eines 115 Jahre alten Citizen Science-Projekts
- Ohne menschliche Aufsicht lernen 16.000 Computer, Katzen zu erkennen
Dank künstlicher Intelligenz haben neugierige Amateurnaturforscher wie ich nun bessere Möglichkeiten, die Natur um uns herum zu identifizieren. Mehrere neue Websites und Apps verwenden KI-Technologie, um Fotos zu benennen.
iNaturalist.org ist eine dieser Sites. Das 2008 gegründete Unternehmen war bisher ausschließlich eine Crowdsourcing-Site. Benutzer veröffentlichen ein Bild einer Pflanze oder eines Tieres und eine Gemeinschaft von Wissenschaftlern und Naturforschern wird es identifizieren. Seine Mission ist es, Experten und Amateur- "Bürgerwissenschaftler" zusammenzubringen, um die Menschen für Pflanzen und Wildtiere zu begeistern und die gesammelten Daten zu nutzen, um professionellen Wissenschaftlern dabei zu helfen, Veränderungen in der Artenvielfalt zu überwachen oder sogar neue Arten zu entdecken.
Das Crowdsourcing-Modell funktioniert im Allgemeinen gut, sagt Scott Loarie, Co-Director von iNaturalist. Es gibt jedoch einige Einschränkungen. Erstens kann es sehr viel schwieriger sein, eine Identifikation Ihres Fotos zu erhalten, je nachdem, wo Sie leben. In Kalifornien, wo Loarie seinen Sitz hat, kann er sich innerhalb einer Stunde ausweisen. Das liegt daran, dass eine große Anzahl der Experten, die häufig iNaturalisten sind, an der Westküste arbeiten. Aber jemand im ländlichen Thailand muss möglicherweise viel länger warten, um einen Ausweis zu erhalten: Die durchschnittliche Zeit, die benötigt wird, um einen Ausweis zu erhalten, beträgt 18 Tage. Ein weiteres Problem: Da die Site immer beliebter wird, ist das Gleichgewicht zwischen Beobachtern (Personen, die Bilder posten) und Identifikatoren (Personen, die Ihnen sagen, was die Bilder sind) schief geworden, wobei es weitaus mehr Beobachter als Identifikatoren gibt. Dies droht die freiwilligen Experten zu überwältigen.Diesen Monat plant iNaturalist, eine App zu starten, die mithilfe von KI Pflanzen und Tiere bis auf Artenebene identifiziert. Die App nutzt das sogenannte „Deep Learning“ mithilfe künstlicher neuronaler Netze, mit denen Computer wie Menschen lernen können, sodass sich ihre Fähigkeiten im Laufe der Zeit weiterentwickeln können.
"Wir sind zuversichtlich, dass dies eine ganz neue Gruppe von Bürgerwissenschaftlern einbeziehen wird", sagt Loarie.
Die App wird trainiert, indem etikettierte Bilder aus der umfangreichen Datenbank von iNaturalist mit Beobachtungen in „Forschungsqualität“ eingespeist werden - Beobachtungen, die von der Expertengemeinschaft der Site verifiziert wurden. Sobald das Modell mit genügend beschrifteten Bildern trainiert wurde, kann es unbeschriftete Bilder identifizieren. Derzeit kann iNaturalist alle 1, 7 Stunden eine neue Art zum Modell hinzufügen. Je mehr Bilder von Benutzern hochgeladen und von Experten identifiziert werden, desto besser.
"Je mehr Zeug wir bekommen, desto besser wird das Modell", sagt Loarie.
Das iNaturalist-Team möchte, dass das Modell immer genau ist, auch wenn dies bedeutet, dass es nicht so genau wie möglich ist. Im Moment versucht das Modell, eine zuversichtliche Antwort auf die Gattung des Tieres zu geben, dann eine vorsichtige Antwort auf die Art und bietet die Top-10-Möglichkeiten. Derzeit ist die Gattung in 86 Prozent der Fälle zutreffend, und in 77 Prozent der Fälle weist die Art die Top-10-Ergebnisse auf. Diese Zahlen sollten sich verbessern, wenn das Modell weiter trainiert wird.
Ich spielte mit einer Demoversion und gab ein Bild eines Papageientauchers ein, der auf einem Felsen thront. "Wir sind uns ziemlich sicher, dass es sich um eine Papageientaucherart handelt", hieß es und die richtige Spezies - Papageientaucher - wurde als höchstes Ergebnis vorgeschlagen. Dann habe ich ein Bild von einem afrikanischen Krallenfrosch eingegeben. "Wir sind uns ziemlich sicher, dass dies in der Gattung der westlichen Schaufelfußkröten vorkommt", sagte es mir und bot afrikanischen Krallenfrosch als eines der Top-10-Ergebnisse an.
Die KI war "nicht zuversichtlich genug, eine Empfehlung zu einem Bild meines Sohnes abzugeben", schlug jedoch vor, dass es sich bei ihm unter anderem um einen Nordleopardenfrosch, eine Gartenschnecke oder eine Gopher-Schlange handeln könnte. Als all dies entdeckt wurde, bemerkte ich, dass das Computerbild den gepunkteten Hintergrund des Hochstuhls meines Sohnes sah und ihn als Teil des Exemplars falsch identifizierte. Also habe ich das Bild zugeschnitten, bis nur noch sein Gesicht zu sehen war, und auf „Klassifizieren“ geklickt. „Wir sind ziemlich sicher, dass dies in der Unterordnung Eidechsen ist“, antwortete die KI. Entweder sieht mein Baby wie eine Eidechse aus, oder - wie ich vermute - es zeigt, dass das Modell nur erkennt, was es gefüttert hat. Und niemand füttert es Bilder von Menschen, aus offensichtlichen Gründen.
iNaturalist hofft, dass die App seine Expertengemeinschaft entlastet und einer größeren Community von Beobachtern, wie z. B. Schulkindergruppen, die Teilnahme ermöglicht. Es könnte auch ein „Kamera-Trapping“ ermöglichen - das Senden von Bildströmen aus einer Kamera-Trap, die ein Bild aufnimmt, wenn es durch Bewegung ausgelöst wird. iNaturalist hat das Einfangen von Kameras entmutigt, da es die Site mit riesigen Mengen von Bildern überflutet, die möglicherweise tatsächlich von Experten identifiziert werden müssen (einige Bilder sind leer, andere fangen gewöhnliche Tiere wie Eichhörnchen, die der Besitzer der Kamera leicht identifizieren kann oder nicht) Sie selber). Aber mit der KI wäre das kein Problem. iNaturalist hofft auch, dass die neue Technologie eine neue Benutzergemeinschaft ansprechen wird, einschließlich Menschen, die ein Interesse an der Natur haben könnten, aber nicht bereit wären, mehrere Tage auf eine Identifizierung unter dem Crowdsourcing-Modell zu warten.
Die schnelle Identifizierung von Arten könnte auch in anderen Situationen nützlich sein, beispielsweise bei der Strafverfolgung.
"Nehmen wir an, TSA-Mitarbeiter öffnen einen Koffer und jemand hat Geckos", sagt Loarie. "Sie müssen wissen, ob sie jemanden verhaften sollen oder nicht."
In diesem Fall konnte die KI den TSA-Agenten mitteilen, welche Art von Gecko sie betrachteten, was bei einer Untersuchung hilfreich sein könnte.
iNaturalist ist nicht die einzige Website, die Computer Vision nutzt, um Bürgerwissenschaftler einzubeziehen. Die Merlin Bird ID-App von Cornell verwendet AI, um mehr als 750 nordamerikanische Vögel zu identifizieren. Sie müssen nur ein paar einfache Fragen beantworten, einschließlich der Größe und Farbe des Vogels, den Sie gesehen haben. macht dasselbe für Pflanzen, nachdem Sie angegeben haben, auf welchen Teil der Pflanze es sich bezieht (Blume, Frucht usw.).
Dies alles ist Teil eines größeren Interesses an der Verwendung von KI zur Identifizierung von Bildern. Es gibt KI-Programme, die Objekte anhand von Zeichnungen identifizieren können (auch schlechte). AIs können Gemälde betrachten und Künstler und Genres identifizieren. Viele Experten gehen davon aus, dass Computer Vision eine wichtige Rolle im Gesundheitswesen spielen wird, um beispielsweise Hautkrebs leichter erkennen zu können. Autohersteller verwenden Computer Vision, um Autos zu lehren, Fußgänger zu identifizieren und zu vermeiden. Ein Handlungspunkt einer kürzlich erschienenen Episode der Komödie Silicon Valley befasste sich mit einer Computer-Vision-App zur Identifizierung von Lebensmitteln. Aber da sein Schöpfer es nur auf Hotdogs trainierte - da das Trainieren eines neuronalen Netzwerks unzählige Stunden menschlicher Arbeit erfordert -, konnte er nur zwischen Hotdogs und "Nicht-Hotdogs" unterscheiden.
Diese Frage der Humorarbeit ist wichtig. Massive Datenbanken mit korrekt beschrifteten Bildern sind für das Training von AIs von entscheidender Bedeutung und können schwer zu beschaffen sein. iNaturalist, als langjährige Crowdsourcing-Site, verfügt bereits über genau diese Art von Datenbanken, weshalb das Modell so schnell weiterentwickelt wurde, sagt Loarie. Andere Websites und Apps müssen ihre Daten an anderer Stelle finden, häufig aus akademischen Bildern.
"Es ist noch früh, aber ich garantiere, dass es im nächsten Jahr zu einer Zunahme dieser Art von Apps kommen wird", sagt Loarie.
