LOBSTgER is een onderzoeksproject van MIT dat kunstmatige intelligentie gebruikt om kreeften (Homarus americanus) te identificeren en te tellen op onderwaterfoto's. Het doel is een nauwkeuriger populatiemonitoring dan de huidige methodes op basis van vangsten. Het project combineert beeldherkenning met ecologische modellen.
Hoe gebruikt LOBSTgER de foto's van fotografen?
Fotografen en duikers kunnen hun onderwaterfoto's indienen via het platform. De AI analyseert de beelden om kreeften te detecteren, te tellen en hun grootte te schatten. Elke foto wordt een datapunt dat bijdraagt aan het begrip van de populatiedynamiek. Het is een concreet voorbeeld van burgerwetenschappen waarbij fotografie een wetenschappelijk instrument wordt.
Kan LOBSTgER een onderwaterfotograaf vervangen?
Nee. LOBSTgER analyseert foto's, maar maakt ze niet. Het project is volledig afhankelijk van beelden die door mensen zijn gemaakt. De AI herkent kreeften op foto's, maar kan niet beslissen waar te duiken, hoe te benaderen, of welke compositie het meest informatief is. De fotograaf blijft onmisbaar als verzamelaar van de basisgegevens.
Waarom concentreert LOBSTgER zich op de Golf van Maine?
De Golf van Maine warmt sneller op dan 99% van de wereldoceanen. De Amerikaanse kreeft is economisch cruciaal voor de regio (meer dan 610 miljoen euro per jaar) en ecologisch gevoelig voor temperatuurveranderingen. Het monitoren van deze populatie in een snel veranderende omgeving levert waardevolle gegevens op voor het begrijpen van klimaatimpact op mariene soorten.
Om te leren hoe u het meeste uit uw uitrusting onder water kunt halen, ontdekt u de AquaExposure-training.
Met Lobster: wanneer AI leert van een onderwaterfotograaf
Er is een vraag die vaak wordt gesteld wanneer het gaat 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 de menselijke blik achter de lens vervangen?
Een project van MIT biedt een onverwachte reactie. De AI vervangt de fotograaf niet, maar heeft hem nodig om te bestaan. En deze afhankelijkheid is geen zwakte van het systeem, maar zijn fundamentele principe.
LOBSTgER, een acroniem dat zijn naam verdient
LOBSTgER betekent Learning Oceanic Bioecological Systems Through Generative Representations. Achter deze grappige naam (ja, het is een knipoog naar de hommel van Maine) schuilt een onderzoeksproject, mede geleid door Keith Ellenbogen, onderwaterfotograaf en gastdocent aan het MIT Sea Grant, en Andreas Mentzelopoulos, promovendus in mechanische technologie aan het MIT.
Het principe is tegelijkertijd elegant en radicaal: een model van kunstmatige intelligentie exclusief trainen op de persoonlijke fotobibliotheek van Ellenbogen. Geen algemene stockfoto-bank. Geen foto's gevonden op het internet. Alleen afbeeldingen die met een artistieke intentie, technische precisie, correcte identificatie van soorten en een gedocumenteerde geografische context zijn gemaakt.
Elke afbeelding in de trainingsset is door de fotograaf zelf geselecteerd en goedgekeurd. Dit is een belangrijk verschil met de meeste projecten op het gebied van generatieve AI, die miljoenen afbeeldingen zonder onderscheid vragen.
Een model, niet een generiek beeld
Het technische model van LOBSTgER is gebaseerd op latente diffusie. Ongeveer 11 miljoen parameters, die resulteren in ongeveer 2.500 afbeeldingen, om visuele content te genereren in 512 bij 768 pixels. Dit zijn bescheiden aantallen vergeleken met de giganten van generatieve AI, en dat is opzettelijk.
Andreas Mentzelopoulos heeft een op maat gemaakt code ontwikkeld om het proces te beschermen tegen externe data- of modelverontreiniging. Het dataset is klein, maar zuiver. Elke pixel draagt de handtekening van de veldwerkzaamheden van Ellenbogen, zijn compositietechnieken, zijn lichtgebruik en zijn kennis van de soorten.
Dit is een principe dat elke onderwaterfotograaf intuïtief kent: de kwaliteit van de input bepaalt de kwaliteit van de output. Een systeem dat gevoed wordt met slechte beelden, zal slechte beelden produceren. Een systeem dat gevoed wordt met het werk van een fotograaf die zijn onderwerp kent, zal iets anders produceren.
Twee modi voor twee toepassingen
LOBSTgER werkt volgens twee verschillende modi. De eerste genereert unieke onderwaterbeelden, beginnend met een blanco, die consistent zijn met de ecologische realiteit van de Golf van Maine. De tweede verbetert bestaande foto's door details te herstellen die door onderwateromstandigheden (turbulentie, kleurabsorptie, lichtverspreiding) verborgen zijn.
De baai van Maine is niet willekeurig gekozen. Het is een van de rijkste mariene ecosystemen ter wereld, met walvissen, haaien, zepen, haring en honderden andere soorten. Het is ook een van de oceanische gebieden die het snelst opwarmt, sneller dan 99% van de wereldse oceanen.
Het visueel documenteren van deze transformatie is essentieel. En juist hier komt de combinatie van fotografie, wetenschappelijke precisie en de rekenkracht van AI volledig tot zijn recht.
Wat dit verandert voor onderwaterfotografen
Het LOBSTgER-project is geen software die je morgenochtend kunt downloaden. Het is een onderzoeksproject, en het zal enige tijd duren voordat de toepassingen voor het grote publiek beschikbaar zijn. Maar wat het aantoont, heeft een directe relevantie voor onze praktijk.
Allereerst bevestigt het dat de trainingsdata allesomvattend is. AI-modellen zijn niet magisch. Ze leren van wat ze zien, zoals we zien bij AI-soortherkenning voor onderwaterfotografen. Als ze worden getraind met uitdagende voorbeelden, produceren ze ook uitdagende resultaten. Dit is precies de aanpak die AquaExposure promoot: eerst de basisprincipes beheersen, omdat technologie nooit een gebrek aan begrip van licht, compositie of het gedrag van dieren kan compenseren.
Daarna opent het een boeiend pad voor publieke betrokkenheid. Iemand die nog nooit heeft gedoken, iets te laten zien wat er onder water gebeurt, met beelden die zowel de wetenschappelijke precisie als de emotionele kracht van fotografie combineren, is een krachtig instrument voor het behoud van de zee.
De mens blijft de bron
Dit is misschien wel de belangrijkste les van LOBSTgER. Het model vervangt de fotograaf niet. Het is afhankelijk van de fotograaf. Zonder de jarenlange ervaring van Ellenbogen in het veld, zonder zijn vermogen om de soorten correct te identificeren, zonder zijn oog voor compositie en licht, zou het model niets te leren hebben.
De AI is een versterker, niet een maker. Dit roept ook vragen op over generatieve AI en de oceaan en wat echt of nep is. Het vergroot het gezichtsveld van de mens, het maakt het mogelijk om dit gezichtsveld met een groter publiek te delen, en het helpt om details te onthullen die het oog alleen niet zou kunnen oppikken. Maar de visie, het besef, de beslissing om op dit moment, op deze plaats, met dit licht te duiken, blijft diep menselijk.
Keith Ellenbogen zegt zelf: dit project is geen poging om onderwaterfotografie te vervangen, maar om de impact ervan te vergroten. En daarvoor is het essentieel dat er een fotograaf onder water aanwezig is.
De basiskennis leren, zelfs de AI kan niet negeren
De tools evolueren, de modellen worden verfijnder, en de algoritmes worden krachtiger. Maar de constante blijft hetzelfde: het begrijpen van het licht onder water, het weten hoe je moet inraken in de omgeving, en het lezen van het gedrag van een dier voordat je opneemt. Dit zijn de vaardigheden waarmee de AI probeert te imiteren, en dit zijn de vaardigheden die onze cursus onderwaterfotografie aan u biedt.
Omdat de beste investering in onderwaterfotografie niet de nieuwste software is. Het is de fotograaf zelf.
Veelgestelde vragen
Wat is het LOBSTgER-project van het MIT precies?
LOBSTgER (Learning Oceanic Bioecological Systems Through Generative Representations) is een onderzoeksproject van het MIT dat AI-generatieve modellen gebruikt om onderwaterfoto's te creëren en te verbeteren. Het wordt mede geleid door de fotograaf Keith Ellenbogen en de promovendus Andreas Mentzelopoulos. Het bijzondere aan dit project is dat het uitsluitend is getraind op de persoonlijke foto's van Ellenbogen, waardoor de kwaliteit en ecologische relevantie van de resultaten gegarandeerd zijn.
Kan LOBSTgER realistische onderwaterfoto's genereren vanuit niets?
Ja, het model kan unieke onderwaterscènes creëren die nog nooit zijn gefotografeerd. Deze beelden zijn consistent met de ecologische realite
MET LOBSTER: wanneer AI leert van de fotograaf | AquaExposure
