På senare år har vi fått vänja oss vid att robotar tävlar framgångsrikt med människor i att lösa svåra uppgifter, som att köra bil, översätta texter eller spela Go. Maskininlärning har varit nyckelfaktor: förmågan att konstruera avancerade neurala nätverk – datorsystem som liknar hjärnor – som sedan kan tränas att lösa svåra uppgifter med hjälp av stora mängder data.
Den biologiska mångfalden på vår planet är överväldigande och tillgången till experter som kan bestämma arter av en viss organismgrupp är ofta begränsande både för forskningen och för praktiska tillämpningar. Om vi kunde få robotar att sköta rutinbestämningen så skulle vi kunna frigöra tid för experterna, så att de kan ägna sig åt mer avancerade taxonomiska forskningsuppgifter. Samtidigt skulle vi kunna erbjuda forskarsamhället som helhet och andra intressenter bekväm och tillförlitlig hjälp med artbestämningen. Den snabba utvecklingen av neurala nätverk, i kombination med möjligheterna att samla stora mängder digitala bilder som kan användas för inlärningen, öppnar upp möjligheten att åstadkomma detta.
Vi arbetar tillsammans med ett konsultföretag, Savantic AB, med att anpassa så kallade Convolutional Neural Networks för att artbestämma insekter från digitala bilder. Våra preliminära resultat visar att dessa metoder under ideala förhållanden kan nå lika hög säkerhet i artbestämningen som erfarna taxonomiska experter.
Biosystematics, informatics and genetics of the big four insect orders (http://big4-project.eu/)
Savantic AB (http://savanticab.com)
Marie Curie Innovative Training Network ”BIG4: Biosystematics, informatics and genetics of the big four insect orders”