iNaturalist Computer Vision: Gemeinschaftsdaten verändern die nächste Artbestimmung

Ausgangslage

Digitale Naturbeobachtungen konnten Bilder und Fundorte sammeln, doch die Bestimmung blieb von eigener Artenkenntnis oder nachträglicher Hilfe durch andere Mitglieder abhängig. iNaturalist verband bereits Beobachtungen mit gemeinschaftlichen Identifikationen und einem Konsensstatus für wissenschaftlich weiterverwendbare Datensätze.

Im Juni 2017 veröffentlichte iNaturalist eine erste Version computergestützter Artvorschläge. Ein exakter Starttag ist in der erhaltenen Projektmitteilung nicht genannt. Die wissenschaftliche Dokumentation des iNaturalist-Datensatzes wurde am 20. Juli 2017 eingereicht und beschreibt Bilder, Ortsdaten und von mehreren Citizen Scientists bestätigte Bezeichnungen als Grundlage der Modellarbeit.

Der Interaktivierungsmechanismus

Eine Beobachtung verbindet Foto, Zeitpunkt und Ort. Das Modell erzeugt daraus mögliche Arten; nahe Beobachtungen können die Reihenfolge der Vorschläge beeinflussen. Nutzer nehmen einen Vorschlag an, korrigieren ihn oder ergänzen eine eigene Identifikation. Weitere Mitglieder können zustimmen oder widersprechen.

Diese Handlungen verändern sowohl den Status der konkreten Beobachtung als auch die Datengrundlage späterer Modelle. Neue bestätigte Arten und korrigierte Fehlvorschläge werden zu Trainingsmaterial; die Gemeinschaft beeinflusst damit die nächste maschinelle Empfehlung.

Was sich am Wertschöpfungsmodell verschiebt

Aus einer Sammlung einzelner Beobachtungen wird eine gekoppelte Produktionsschleife aus Beobachtung, gemeinschaftlicher Prüfung und maschineller Unterstützung. Das System erleichtert neue Bestimmungen, während neue Beobachtungen und Identifikationen den Bestand erweitern, auf dem die Unterstützung beruht.

iNaturalist ist hier kein klassisches gewinnorientiertes Geschäftsmodell. Der Fall gehört zur Kategorie nicht-kommerzielles Wertschöpfungs- und Infrastrukturmodell, weil Nutzerarbeit einen globalen Biodiversitätsdatensatz und die Qualität nachfolgender Systementscheidungen mitproduziert.

Grenzen

Die 2017 genannten Trefferquoten waren Anbieterangaben für damalige Testdaten und dürfen nicht als allgemeine Bestimmungsgenauigkeit gelesen werden. Die wissenschaftliche Arbeit dokumentiert zudem ein starkes Ungleichgewicht zwischen häufig und selten beobachteten Arten sowie deutlich geringere Leistung für Klassen mit wenig Trainingsmaterial.

Ein maschineller Vorschlag ist keine gesicherte Artbestimmung. Standortverteilung, Bildqualität, Bestätigungsregeln und das Wissen der beteiligten Gemeinschaft begrenzen das Ergebnis. Gerade deshalb bleibt die menschliche Prüfung Teil des Mechanismus.

Einordnung im Atlas

• Klassifikation: globales nicht-kommerzielles Citizen-Science- und Dateninfrastrukturmodell
• Ereignisdatum: erste Computer-Vision-Vorschläge im Juni 2017; kein belastbarer exakter Tag
• Status: etabliert und fortlaufend weiterentwickelt
• Interaktivierungsmechanismus: Beobachtungen und Community-Identifikationen verändern Forschungsdaten, Modelltraining und den nächsten Bestimmungsvorschlag
• Abgrenzung: Modellvorschlag, Community-Konsens und wissenschaftlich belastbare Bestimmung nicht gleichsetzen

Verwandte Fälle

• Zooniverse – Freiwillige klassifizieren Forschungsdaten und verändern die wissenschaftliche Produktion.
• Open Food Facts – Verbraucher erzeugen und korrigieren eine offene Produktdateninfrastruktur.
• Wikidata – gemeinschaftliche und maschinelle Bearbeitungen verändern einen strukturierten Wissenskern.

Quellen

1. iNaturalist, „Vision Suggestion Updates!“, Projektmitteilung zum ersten Start im Juni 2017 und zur Rückkopplung aus Beobachtungen und Identifikationen; veröffentlicht am 5. Dezember 2017Direkte Quelle ↗
2. Grant Van Horn et al., „The iNaturalist Species Classification and Detection Dataset“, wissenschaftliche Dokumentation von Gemeinschaftsdaten, Bestätigung und Modellgrenzen; Erstfassung eingereicht am 20. Juli 2017, überarbeitet am 10. April 2018Direkte Quelle ↗