Machine learning-technologie helpt onderzoekers bij het identificeren van potvissen en het begrijpen van hun migratiepatronen

Elke week videobelt zeebioloog Lisa Steiner vanuit haar huis op het afgelegen eiland Faial, op de Azoren in de Noord-Atlantische Oceaan, met een klein team van datawetenschappers en ontwikkelaars. Het onderwerp van gesprek is de digitale tool, ontworpen door een team van Capgemini met behulp van de machine learning-technologie van Amazon Web Services (AWS), die Steiner helpt om individuele potvissen sneller en nauwkeuriger te identificeren. Steiner volgt potvissen, die wel 70 jaar oud kunnen worden, door hun staartvinnen te fotograferen en de beelden op te slaan in een database. Net als menselijke vingerafdrukken, zijn staartvinnen uniek voor het individu. Door de toevalstreffers in de loop van de tijd te catalogiseren en te matchen, kan Steiner vaststellen wanneer hetzelfde dier naar het gebied is teruggekeerd.

Toen Steiner in 1988 op de Azoren-archipel aankwam om potvissen te bestuderen, stond de Berlijnse Muur nog, George Michael’s “Faith” was het best verkochte album in de VS en het zou vier jaar duren voordat het allereerste sms-bericht naar een mobiele telefoon werd gestuurd. Het is dan ook niet verassend dat Steiner handmatig onderzoek deed naar de migratiepatronen van de walvissen, ook omdat haar interesse in technologie ‘nul was’, zoals ze zelf zegt.

“We gingen van 9 uur’ s ochtends tot 10 uur ’s avonds met een zeilboot op pad,” zei ze. “Ik fotografeerde de walvissen met zwart-witfilm, maar ik wist pas of ik een duidelijke foto had als ze ontwikkeld waren.” Steiner volgt enkele walvissen al zo lang dat ze er nu ongeveer 100 op zicht kan herkennen. Maar zelfs haar enorme kennis en eindeloze enthousiasme is niet genoeg om het zoeken naar overeenkomsten in een steeds groter wordende database van meer dan 8.000 afbeeldingen gemakkelijker te maken. “Ik had inderdaad een computerprogramma,” zei Steiner, die eraan toevoegde dat ze de foto’s oorspronkelijk gewoon op de grond legde. “Maar die kwam uit 2002, dus was bijna 20 jaar oud en behoorlijk omslachtig. Rond 2010 – 2011 begon ik achterop te raken met de identificaties.”

Steiner’s bestaande programma vereiste dat ze de afbeeldingen uploadde en handmatig gegevens invoerde die de linker- en rechtercontouren van elke individuele staartvin in het systeem beschrijft. Het programma was traag en kon in de loop van de tijd geen kleine veranderingen oppikken. Als de contouren van de staart van een walvis bijvoorbeeld enigszins veranderden door slijtage, kon het systeem niet herkennen dat het nog steeds hetzelfde dier was. Pas toen een medewerker van de wereldwijde adviesgroep Capgemini meedeed aan een van Steiner’s walvistochten en het potentieel zag van machine learning om haar te helpen, werd het idee voor de Fluketracker geboren. “Ik heb ze al mijn foto’s gegeven en ze hebben een algoritme ontworpen om te weten hoe een potvisstaart eruitziet,” zei Steiner. “Het is erin geslaagd om matches te vinden die ik niet kon vinden, vooral bij de staarten met zeer gladde contouren die moeilijk te onderscheiden zijn van andere.”

De Fluketracker, die machine learning-technologie van AWS gebruikt om afbeeldingen met hoge snelheid te sorteren en matchen, heeft Steiner al geholpen bij het classificeren van al haar foto’s van 2019 tot 2020 – waarbij meer dan 200 nieuwe walvissen werden geïdentificeerd. Tijdens haar wekelijkse gesprek met het team geeft ze feedback over hoe de tool werkt, zodat ze de applicatie zelf en de kunstmatige intelligentie kunnen verbeteren en nieuwe functies kunnen toevoegen.

“Nu upload ik gewoon de afbeeldingen, wacht een paar minuten en als er een walvis in de catalogus staat, vindt hij de match”, zei ze. “Het uiteindelijke doel is eigenlijk om het platform openbaar en open source te maken, zodat iedereen foto’s kan indienen.”

“Mijn onderzoek heeft alleen betrekking op de Azoren, dus het zou fantastisch zijn om foto’s uit andere regio’s te verzamelen,” zei Steiner. “Hoe meer we samenwerken, hoe meer informatie we krijgen, en hoe beter we kunnen begrijpen waar de walvissen naartoe gaan en hoe ze met elkaar omgaan. Ik hoop echt dat het tot de verbeelding van mensen zal spreken.”