Per gli appassionati di birdwatching, un avvistamento raro è il jackpot. Una specie vagabonda lontana dal suo areale normale? Questa è la notizia principale. Nel Regno Unito, questi reperti si trovano ovunque. Prendi l’airone del reef occidentale. Solitamente bloccato in Africa o nell’Europa meridionale, questo uccello è comparso nel Galles settentrionale a giugno. Sono scoppiati i forum. La celebrazione era all’ordine del giorno.
Poi c’è il marciume.
Gli scienziati stanno urlando adesso. Vogliono che gli appassionati di birdwatching smettano di scherzare con l’intelligenza artificiale. La paura? Sta avvelenando il pozzo della scienza dei cittadini. Piattaforme come iNaturalist e Macaulay Library si basano su dati pubblici. Questi dati guidano la ricerca reale. Tiene traccia dei cambiamenti dell’habitat. Monitora gli intervalli di specie. Ma ora, immagini alterate dall’intelligenza artificiale sui forum di birdwatching stanno iniettando rumore nel segnale. Ed è difficile dire cosa sia reale.
La trappola della “bellezza” nella fotografia naturalistica
Gli strumenti di intelligenza artificiale generativa hanno reso facile fingere. ChatGPT? No, modelli di immagine. Puoi generare un uccello finto di alta qualità in pochi secondi. Oppure puoi scattare una foto reale e “migliorarla”. Rimuovere un ramo. Affila le piume. Fai risaltare i colori.
L’algoritmo non si preoccupa della biologia. Si preoccupa dei modelli.
In un recente commento su Nature, i ricercatori hanno esposto i danni. Centinaia di immagini false sono già nei database. Il numero reale? Sconosciuto. Probabilmente molto più alto. La maggior parte passa inosservata. Ciò contamina i documenti raccolti dal pubblico per anni.
“La mia esperienza guardando Facebook in questi giorni è che si tratta semplicemente di immagini generate dall’intelligenza artificiale”, ha affermato il dottor Alexander Lees.
Lees, un ecologista della Manchester Met University, ha scritto l’articolo. Il suo punto è schietto. Usare queste foto per tracciare la posizione delle specie? Difficile. Forse impossibile.
Le bufale vere e proprie sono rare. Non vediamo tucani in Siberia. Tutti se ne accorgerebbero. Sono le modifiche sottili che uccidono la fiducia. Un birdwatcher chiede all’intelligenza artificiale di far “sembrare migliore” un’immagine. Il software scambia le piume. Aggiunge segni. All’improvviso, hai un ibrido che non è mai esistito.
L’errore del merlo dalle ali rosse
Lees cita un esempio specifico. Avvistamento di un merlo dalle ali rosse. Brasile centrale. Mai visto lì prima. I merli dalle ali rosse appartengono al Nord America. L’uccello nella foto? In realtà un rigogolo con spallina. Una specie comune del Nuovo Mondo.
Il fotografo ha utilizzato l’intelligenza artificiale. Volevano un’immagine più nitida e migliore. L’intelligenza artificiale ha aggiunto le distinte spalline rosse di un uccello diverso. Risultato: una registrazione falsa. Un fantasma nei dati.
I fotografi naturalisti sono ossessionati dallo scatto perfetto. Non sempre vedono il rischio. L’immagine che oggi vince premi potrebbe causare grattacapi scientifici domani.
Perché la precisione dei dati è importante ora più che mai
La scala è ancora in fase di misurazione. Su iNaturalist, che ospita oltre 610 milioni di immagini, finora solo 1.400 sono state contrassegnate per l’uso dell’intelligenza artificiale. È inferiore allo 0,002%. Ma il volume conta quando la fonte è sospetta?
Queste piattaforme agiscono come sensori in tempo reale. Ci mostrano il cambiamento climatico in azione. Le piante fioriscono presto? Le specie stanno migrando verso nord? Gli ambientalisti hanno bisogno di questi dati. Hanno bisogno di sapere dove sono le cose.
Tony Iwane, direttore del supporto comunitario presso iNaturalist e coautore dell’articolo, ne vede il valore.
“È quasi come un sensore di ciò che sta accadendo sulla Terra”, ha detto Iwane.
La maggior parte delle modifiche non sono dannose. Sono estetici. Ma il confine si sfuma rapidamente. Se i dati non sono accurati, le conclusioni sono errate. Non possiamo conservare ciò che non comprendiamo.
Quindi, quando modifichi l’inquadratura dell’uccello, pensaci due volte. Non lo stai solo facendo sembrare carino. Stai aggiungendo rumore a un set di dati globale critico. E una volta che è là fuori, è difficile da pulire.
La comunità del birdwatching vuole aiutare. Amano il brivido della nuova scoperta. Ma quell’emozione si sta scontrando con un nuovo tipo di inquinamento digitale. La domanda non è solo se riusciremo a trovare l’uccello. Dipende se possiamo credere all’immagine che vediamo.
Alcuni sostengono che la soluzione sia un migliore rilevamento dell’intelligenza artificiale. Altri sostengono linee guida comunitarie più rigorose. Non esiste una soluzione miracolosa. Solo più vigilanza. E forse, un ritorno alle immagini crude e inedite. Fino ad allora, continuiamo a cercare. E continuiamo a interrogarci.
