In plaats van alleen momentopnames continu inzicht in natuurherstel, dankzij de inzet van AI
We spraken over een fascinerend project met Folkert de Boer, waar AI wordt ingezet om vogelgeluiden te herkennen. Traditionele ecologische monitoring werkt vaak met vrijwilligers of experts die een paar keer per seizoen een vaste route lopen. Dat levert waardevolle info op, maar het blijft beperkt: je mist veel, en je ziet vooral losse snapshots omdat het sporadisch en door mensen wordt uitgevoerd.
Dat mechanisme is herkenbaar, ook buiten ecologie, je meet te weinig om trends te zien en je hebt wel data, maar te weinig context om er goede beslissingen op te baseren.
AI maakt continu meten haalbaar
De aanpak van project Luistervink is simpel, met behulp van kleine kastjes op locatie luisteren naar omgevingsgeluiden. Een lokaal draaiend AI-model herkent daarin vogelgeluiden en alleen korte fragmenten van deze vogelgeluiden worden opgeslagen en uiteindelijk opgestuurd naar een database.
Het effect is echter groot, er komt een doorlopende stroom aan waarnemingen binnen. Zeker in verhouding met traditionele ecologische monitoring, omdat deze bestaat uit losse meetmomenten van bijvoorbeeld vrijwilligers die een wandeling maken door een park. Een recorder luistert 24 uur per dag mee.
Dit project is geen voorbeeld van AI die alles zelfstandig uitvogelt en uitvoert. Juist door de randvoorwaarden hebben de ontwikkelaars ervoor gezorgd dat er betrouwbare en bruikbare data binnenkomt. AI kan zich namelijk vergissen, daarom zit er menselijke validatie ingebouwd in het proces. In Maarssen leek het systeem bijvoorbeeld vaak een goudvink te horen, die ontzettend zeldzaam is. Door het signaleren van deze onwaarschijnlijke data en het controleren van de locatie kon het systeem verbeterd worden, het bleek een piepend raamluik. Dit type geluiden wordt nu overal beter herkend door het model.
Daarnaast richten de onderzoekers zich vooral op trends in plaats van absolute aantallen. Het is moeilijk om een hoge betrouwbaarheid te garanderen voor absolute aantallen vogels. Maar voor veel toepassingen is het super waardevol om alleen al te weten wat er door de tijd heen gebeurt en wat er verandert na bepaalde ingrepen in een gebied.
Maar pas op: de tjiftjaf verbruikt zo al je data!
Een van de eerste meetkastjes hing in het Griftpark met een 2GB databundel. De data wordt in zeer kleine tekstbestanden verstuurd, dus dat zou ruim voldoende moeten zijn voor maanden monitoring. Binnen een week was de bundel leeg, door slechts één vogelsoort: de tjiftjaf. Deze was zó dominant aanwezig op deze locatie dat het meetkastje door de datalimiet heen ging. Uit gesprekken met wandelaars en andere parkbezoekers bleek dat veel van hen nog nooit van dit vogeltje hadden gehoord en het geluid ook niet herkennen, terwijl deze continu zijn eigen naam roept. Door dit inzichtelijk te maken wil project Luistervink ervoor zorgen dat we weer zien hoe rijk onze omgeving eigenlijk is en hoe techniek kan helpen mensen bewuster te maken van de natuur. De eerste resultaten zijn op een interactieve manier te bekijken op de website.
Wat kunnen we hiervan leren?
Vooral interessant aan dit verhaal is de manier waarop AI wordt ingezet. In plaats van eenmalig een vraag te stellen via een chat interface en handmatig met het antwoord verder te gaan, wordt hier continu (en schaalbaar) AI gebruikt om inzicht te verkrijgen. Dat maakt de impact meteen een stuk groter. De mens blijft betrokken, maar niet meer bij elke losse actie van de AI. Door op deze manier naar AI te kijken en te denken over wat er binnen een bedrijf of instelling in de gaten gehouden moet worden, wat nu handmatig gebeurt en veel tijd kost, komen andere oplossingen naar boven drijven. Denk aan steekproeven voor kwaliteitscontrole, het monitoren van een mailbox op urgente berichten of klachten en meer gedetailleerde rapportages met vooraf ingevulde data.
Het project AI4U is er om ondernemers te helpen met de inzet van AI binnen hun bedrijf. Ben je geïnspireerd door dit verhaal? Neem contact met ons op voor een persoonlijk AI ontwikkelplan. We brengen samen je vraag in kaart, kiezen een eerste use case uit en koppelen je eventueel aan een groep studenten die je kunnen helpen met een proof of concept. Stuur een mailtje naar manon@mkbwerkplaatsutrecht.nl als je meer wilt weten.