Het MIT LOBSTgER-project combineert AI en onderwaterfotografie om de verborgen wereld van de oceaan te onthullen. Ontdek meer over AquaExposure.
Er is een vraag die vaak opkomt wanneer we het hebben over kunstmatige intelligentie en visuele creatie. Fotografen stellen deze vraag met een vleugje bezorgdheid, wetenschappers met nieuwsgierigheid en het grote publiek met fascinatie: zal AI uiteindelijk het menselijk oog achter de lens vervangen?
Een project van MIT biedt een onverwacht antwoord. Niet alleen vervangt AI de fotograaf niet, maar het heeft hem nodig om te bestaan. En deze afhankelijkheid is geen zwakte van het systeem, maar juist het fundamentele principe ervan.
LOBSTgER staat voor Learning Oceanic Bioecological Systems Through Generative Representations. Achter deze speelse naam (ja, het is een knipoog naar de Maine-kreeft) schuilt een onderzoeksproject dat wordt geleid door Keith Ellenbogen, een mariene fotograaf en artist-in-residence bij MIT Sea Grant, en Andreas Mentzelopoulos, een promovendus in werktuigbouwkunde aan MIT.
Het principe is zowel elegant als radicaal: het trainen van een AI-model uitsluitend op de persoonlijke fotografische collectie van Ellenbogen. Geen generieke imagebank. Geen foto's die online zijn gevonden. Alleen afbeeldingen gemaakt met artistieke intentie, technische precisie, correcte soortenidentificatie en gedocumenteerde geografische context.Elke afbeelding in de trainingsset is geselecteerd en gevalideerd door de fotograaf zelf. Dit is een fundamenteel verschil met de meeste generatieve AI-projecten, die gebruik maken van miljoenen afbeeldingen zonder onderscheid.
Het technische model van LOBSTgER is gebaseerd op latente diffusie. Ongeveer 11 miljoen parameters worden gebruikt om visuele weergaven te genereren met een resolutie van 512 bij 768 pixels, wat resulteert in ongeveer 2.500 afbeeldingen. Dit zijn bescheiden cijfers vergeleken met de grote namen op het gebied van generatieve AI, en dat is bewust gedaan.
Andreas Mentzelopoulos heeft een aangepaste code ontwikkeld om het proces te beschermen tegen eventuele externe data of modelverontreiniging. De dataset is klein, maar wel schoon. Elk pixel draagt de stempel van Ellenbogen's veldwerk- zijn compositiekeuzes- zijn begrip van licht en zijn kennis van de soorten.
Dit is een principe dat elke onderwaterfotograaf intuïtief begrijpt: de kwaliteit van wat erin gaat bepaalt de kwaliteit van wat eruit komt. Een model getraind op middelmatige afbeeldingen zal middelmatige afbeeldingen produceren. Een model getraind op het werk van een fotograaf die hun onderwerp kent, zal iets anders opleveren.
De Golf van Maine is niet willekeurig gekozen. Het is een van de meest biodiverse mariene ecosystemen op aarde, met walvissen, haaien, kwallen, haring en honderden andere soorten. Bovendien is het een van de snelst opwarmende zeegebieden, sneller dan 99% van alle oceanen ter wereld.
Het is dringend nodig om deze transformatie visueel te documenteren. En juist hier komt de combinatie van fotografische kunst, wetenschappelijke nauwkeurigheid en de kracht van AI-berekeningen volledig tot zijn recht.
Het LOBSTgER-project is geen software die u morgenochtend kunt downloaden. Het is een onderzoeksproject, en het zal tijd duren voordat de toepassingen ervan beschikbaar komen voor het grote publiek. Maar wat het aantoont heeft direct invloed op onze praktijk.Ten eerste bevestigt het dat de trainingsdata allesbepalend zijn. AI-modellen zijn geen magie. Ze leren wat ze zien. Als je ze uitdagende taken geeft, produceren ze uitdagende resultaten. Dit is precies de aanpak die AquaExposure promoot: beheers eerst de basisprincipes, want technologie kan nooit een gebrek aan begrip van licht, compositie of dierengedrag compenseren.
Ten tweede opent het een spannende mogelijkheid voor publieke betrokkenheid. Iemand laten zien die nog nooit heeft gedoken wat er zich onder water afspeelt, met beelden die de wetenschappelijke precisie en de emotionele kracht van fotografie combineren, is een krachtig instrument voor natuurbescherming.
Dit is misschien wel de belangrijkste les uit LOBSTgER. Het model vervangt de fotograaf niet. Het is afhankelijk van de fotograaf. Zonder Ellenbogen's jarenlange ervaring in het veld, zonder zijn vermogen om soorten correct te identificeren, zonder zijn gevoel voor compositie en licht, zou het model niets te leren hebben.
AI is een versterker, geen schepper. Het vergroot het menselijk perspectief, waardoor we dat perspectief met een breder publiek kunnen delen, en helpt details te onthullen die het oog alleen niet kan vastleggen. Maar de visie, de gevoeligheid, de beslissing om op dit moment, op deze plek, in dit licht te duiken - al dat blijft diep menselijk.Keith Ellenbogen zegt: dit project is geen poging om onderwaterfotografie te vervangen, maar een poging om de impact ervan te vergroten. En daarvoor moet er in eerste instantie wel een fotograaf in het water zijn.
De tools evolueren, de modellen worden steeds geavanceerder en de algoritmen krachtiger. Maar één ding blijft hetzelfde: het begrijpen van het licht onderwater, weten hoe je een goede compositie kunt maken met behulp van je drijfvermogen en het observeren van het gedrag van een dier voordat je een foto maakt. Dit zijn de vaardigheden die AI probeert te imiteren, en dit is waar onze onderwaterfotografiecursus u mee helpt.
Want de beste investering in onderwaterfotografie is niet de nieuwste, trendy software. Het is de fotograaf zelf.
LOBSTgER (Learning Oceanic Bioecological Systems Through Generative Representations) is een onderzoeksproject van MIT dat generatieve AI gebruikt om onderwaterbeelden te creëren en te verbeteren. Het wordt geleid door de fotograaf Keith Ellenbogen en promovendus Andreas Mentzelopoulos. Een bijzonder kenmerk is dat het uitsluitend getraind is op de persoonlijke foto's van Ellenbogen, wat de kwaliteit en ecologische relevantie van de resultaten garandeert.
LOBSTgER toont juist het tegenovergestelde. Het model is volledig afhankelijk van de kwaliteit van het werk van de fotograaf om te functioneren. Zonder de foto's die Ellenbogen heeft gemaakt, ter plaatse met technische expertise en kennis van de soorten, zou de AI niets te leren hebben. De mens blijft de bron, de AI is simpelweg een versterker van hun perspectief.
De Golf van Maine is een van de rijkste en meest diverse mariene ecosystemen op aarde. Het warmt ook sneller op dan 99% van de oceanen ter wereld, waardoor het een cruciaal gebied is om lopende veranderingen te documenteren. LOBSTgER stelt u in staat deze realiteit te visualiseren en met een breder publiek te delen.*De hulpmiddelen veranderen, maar de basisprincipes blijven hetzelfde. Onze cursus onderwaterfotografie - Onderwaterfotografie, ethiek en burgerwetenschap - Natuurlijk licht onder water: de gids - Volg de complete AquaExposure training - Onderwaterfotografiecursus in België - Ontdek onze artikelen
LOBSTgER staat voor "Learning Oceanic Bioecological Systems Through Generative Representations". Het is een project van MIT Sea Grant dat kunstmatige intelligentie en onderwaterfotografie combineert om het mariene leven in de Golf van Maine te documenteren en het publiek bewustzijn te vergroten door middel van door AI gegenereerde of verbeterde beelden.
Het model is uitsluitend getraind op de fotocollectie van onderwaterfotograaf Keith Ellenbogen. Elke foto is geselecteerd vanwege zijn artistieke waarde, technische precisie en geografische context. Dit zorgt ervoor dat de gegenereerde afbeeldingen trouw blijven aan de ecologische realiteit.
Nee. Het model is volledig afhankelijk van de kwaliteit van de foto's die het gebruikt. Zonder het oog van de fotograaf, zijn kennis van het veld, de identificatie van soorten en de artistieke keuzes, heeft de AI niets om van te leren. De mens blijft de bron van de hele keten.
De Golf van Maine warmt op sneller dan 99 procent van de oceanen ter wereld. Het documenteren van haar ecosystemen voordat ze onomkeerbaar veranderen, is een race tegen de klok. LOBSTgER gebruikt AI om dit proces te versnellen en de informatie toegankelijk te maken voor het publiek.
