Neue KI von Google erkennt automatisch Tiere auf Fotos

Google veröffentlicht KI zur Erkennung von Tieren auf Naturfotos

Google hat das SpeciesNet öffentlich zugänglich gemacht, ein Modell der künstlichen Intelligenz, das in der Lage ist, Tiere automatisch auf Bildern zu identifizieren, die von Umweltüberwachungskameras aufgenommen wurden. Die Technologie wurde als Open Source bereitgestellt und kann kostenlos von Forschern, Entwicklern und Umweltorganisationen weltweit genutzt werden.

Das Tool wurde als Teil von Googles KI-Initiativen für Biodiversität und Naturschutz angekündigt. Laut dem Unternehmen wurde das Modell mit über 65 Millionen Bildern von Wildtieren trainiert, die über Jahre in wissenschaftlichen Projekten und Umweltdatenbanken gesammelt wurden.

Problem, das die KI zu lösen versucht

Forscher nutzen seit Jahrzehnten sogenannte Camera Traps, automatische Kameras, die in Wäldern und Parks installiert werden, um Tiere ohne menschliches Eingreifen zu erfassen. Das Problem ist das enorme Datenvolumen, das entsteht.

In einigen Projekten produzieren diese Kameras Millionen von Fotos pro Jahr, und viele davon müssen manuell analysiert werden, um die Arten zu identifizieren. Dieser Prozess kann Wochen oder Monate dauern.

Das SpeciesNet automatisiert einen Großteil dieser Analyse. Das Modell erkennt zuerst, ob sich ein Tier im Bild befindet, und versucht dann, die abgebildete Art zu klassifizieren.

Wie viele Tiere kann die KI erkennen?

Laut der von Google veröffentlichten Dokumentation kann das Modell Bilder in über 2.000 Kategorien klassifizieren, darunter:

• spezifische Tierarten
• Gruppen ähnlicher Arten
• Anwesenheit von Menschen oder Fahrzeugen auf den Bildern

Das bedeutet, dass es nicht buchstäblich jedes Tier der Welt identifizieren kann. Stattdessen wurde das Modell darauf trainiert, die häufigsten Arten in Forschungsdatenbanken zu erkennen, insbesondere Säugetiere, Vögel und einige andere Wirbeltiere, die von Feldkameras erfasst werden.

Trotzdem gilt der Umfang als breit gefächert für Biodiversitätsstudien.

Und die Genauigkeit des SpeciesNet?

Google gibt an, dass das Modell mit 65 Millionen gelabelten Bildern trainiert wurde, die aus verschiedenen wissenschaftlichen Umweltüberwachungsprojekten stammen.

Dieses Datenvolumen trägt dazu bei, die Genauigkeit der KI zu verbessern. Die tatsächliche Leistung kann jedoch je nach Faktoren wie Beleuchtung, Position des Tieres und Qualität der Kamera variieren.

Im Allgemeinen können Modelle dieser Art die Art in den meisten Fällen korrekt identifizieren, wenn das Tier klar auf dem Bild zu sehen ist. Unscharfe Fotos, teilweise versteckte Tiere oder seltene Arten können jedoch nach wie vor zu falschen Klassifikationen führen.

Daher verwenden Forscher die KI oft als ersten Filter und überprüfen die Ergebnisse anschließend manuell.

Technologie wird bereits von Forschern genutzt

Das SpeciesNet ist nicht völlig neu. Es basiert auf der Technologie, die seit 2019 auf der Plattform Wildlife Insights verwendet wird, einer Initiative, die Daten zur Erhaltung und Analyse von Tierbildern sammelt.

Laut Google haben Tausende von Forschern und Umweltorganisationen bereits Versionen der Technologie genutzt, um Tierpopulationen zu studieren und Ökosysteme in verschiedenen Ländern zu überwachen.

Durch die öffentliche Bereitstellung des Modells hofft das Unternehmen, dass Entwickler es für neue wissenschaftliche Projekte oder Umweltanwendungen anpassen können.

Wo kann man das SpeciesNet herunterladen und testen?

Das Modell wurde auf GitHub veröffentlicht und kann kostenlos heruntergeladen werden. Das Repository enthält Code, Dokumentation und Anwendungsbeispiele zur Integration der KI in Bildanalysesysteme. Offizieller GitHub des Projekts

Entwickler können das Modell lokal ausführen oder es in Forschungsplattformen integrieren, die mit großen Mengen von Fotos arbeiten, die von Feldsensoren aufgenommen wurden.

Mit dem Open-Source-Code hofft Google auch, dass die Community zur Verbesserung des Modells beiträgt und die Anzahl der Arten, die die KI in Zukunft erkennen kann, erweitert.