Voor vogelaars is de jackpot een zeldzame waarneming. Een zwervende soort ver buiten zijn normale verspreidingsgebied? Dat is voorpaginanieuws. In Groot-Brittannië worden deze vondsten overal gepleisterd. Neem de westelijke rifreiger. Deze vogel bleef meestal in Afrika of Zuid-Europa hangen en dook in juni op in Noord-Wales. Forums barsten los. Feest was aan de orde van de dag.
Dan is er de rotting.
Wetenschappers schreeuwen nu. Ze willen dat vogelaars stoppen met knoeien met AI. De angst? Het vergiftigt de bron van de burgerwetenschap. Platforms als iNaturalist en Macaulay Library vertrouwen op publieke data. Deze gegevens drijven echt onderzoek aan. Het volgt habitatverschuivingen. Het bewaakt het verspreidingsgebied van soorten. Maar nu injecteren AI-gewijzigde afbeeldingen op vogelforums ruis in het signaal. En het is moeilijk te zeggen wat echt is.
De ‘schoonheidsval’ in natuurfotografie
Generatieve AI-tools hebben het faken gemakkelijk gemaakt. ChatGPT? Nee, beeldmodellen. Binnen enkele seconden kunt u een nepvogel van hoge kwaliteit genereren. Of u kunt een echte foto maken en deze “verbeteren”. Verwijder een tak. Slijp de veren. Laat de kleuren eruit springen.
Het algoritme geeft niets om biologie. Het gaat om patronen.
In een recent commentaar in Nature hebben onderzoekers de schade uiteengezet. Er staan al honderden nepafbeeldingen in databases. Het echte aantal? Onbekend. Waarschijnlijk veel hoger. De meeste blijven onopgemerkt. Dit vervuilt de gegevens die jarenlang door het publiek zijn verzameld.
“Mijn ervaring als ik tegenwoordig naar Facebook kijk, is dat het simpelweg door AI gegenereerde beelden zijn”, zei Dr. Alexander Lees.
Lees, een ecoloog aan de Manchester Met University, schreef het artikel. Zijn punt is bot. Deze foto’s gebruiken om de locatie van soorten te volgen? Moeilijk. Misschien onmogelijk.
Regelrechte hoaxes zijn zeldzaam. We zien geen toekans in Siberië. Iedereen zou dat merken. Het zijn de subtiele bewerkingen die het vertrouwen doden. Een vogelaar vraagt AI om een foto ‘er beter uit te laten zien’. De software wisselt veren uit. Voegt markeringen toe. Plotseling heb je een hybride die nooit heeft bestaan.
De roodvleugelmerel-blunder
Lees noemt een specifiek voorbeeld. Een waarneming van een roodvleugelmerel. Centraal Brazilië. Nog nooit eerder daar gezien. Roodvleugelmerels horen thuis in Noord-Amerika. De vogel op de foto? Eigenlijk een wielewaal. Een veel voorkomende soort uit de Nieuwe Wereld.
De fotograaf gebruikte AI. Ze wilden een scherper en beter beeld. De AI voegde de opvallende rode epauletten van een andere vogel toe. Resultaat: een vals record. Een spook in de gegevens.
Natuurfotografen zijn geobsedeerd door het perfecte shot. Ze zien het risico niet altijd. Het beeld dat vandaag prijzen wint, kan morgen voor wetenschappelijke kopzorgen zorgen.
Waarom nauwkeurige gegevens nu meer dan ooit belangrijk zijn
De schaal wordt nog steeds gemeten. Op iNaturalist, dat meer dan 610 miljoen afbeeldingen host, zijn er tot nu toe slechts 1.400 gemarkeerd voor AI-gebruik. Dat is minder dan 0,002%. Maar is het volume van belang als de bron verdacht is?
Deze platforms fungeren als realtime sensoren. Ze laten ons de klimaatverandering in actie zien. Bloeien planten vroeg? Migreren soorten naar het noorden? Natuurbeschermers hebben deze gegevens nodig. Ze moeten weten waar dingen zijn.
Tony Iwane, directeur gemeenschapsondersteuning bij iNaturalist en co-auteur van het artikel, ziet de waarde ervan.
“Het lijkt bijna op een sensor van wat er op aarde gebeurt,” zei Iwane.
De meeste bewerkingen zijn niet kwaadaardig. Ze zijn esthetisch. Maar de grens vervaagt snel. Als de gegevens onnauwkeurig zijn, zijn de conclusies verkeerd. Wat we niet begrijpen, kunnen we niet behouden.
Denk dus twee keer na als je die opname van de grasmus aan het bewerken bent. Je zorgt er niet alleen voor dat het er leuk uitziet. U voegt ruis toe aan een cruciale mondiale dataset. En als het eenmaal daar is, is het moeilijk om te schrobben.
De vogelaarsgemeenschap wil helpen. Ze houden van de spanning van de nieuwe vondst. Maar die sensatie botst met een nieuw soort digitale vervuiling. De vraag is niet alleen of we de vogel kunnen vinden. Het gaat erom of we het beeld dat we zien kunnen geloven.
Sommigen zeggen dat de oplossing een betere AI-detectie is. Anderen pleiten voor strengere gemeenschapsrichtlijnen. Er is geen wondermiddel. Gewoon meer waakzaamheid. En misschien een terugkeer naar rauwe, onbewerkte beelden. Tot die tijd blijven we zoeken. En wij blijven vragen stellen.
