Menschenauge lehrt Maschinen sehen

Ein internationales Team mit schweizerischer Beteiligung hat nun einen neuen Ansatz entwickelt, der Abhilfe schaffen soll. Mittels Crowdsourcing lehren Menschen dabei Computern, was sie wahrnehmen. Dank Maschinenlernen können die Rechner dann zügig weitere Aufnahmen analysieren, wie ein Test mit Aufnahmen von afrikanischen Wildtieren ergeben hat.

Kombi-Ansatz für Echtzeit-Analyse

Flugdrohnen finden immer grössere Verbreitung in der Beobachtung von Naturkatastrophen, Umweltverschmutzung oder Wildtieren. Eine Datenauswertung möglichst in Echtzeit wäre da oft ideal. Um zu zeigen, dass die Kombination von Crowdsourcing und Maschinenlernen dafür gut geeignet ist, haben die Forscher im namibischen Naturschutzgebiet Kuzikus Wildtiere wie Strausse, Gnus, Zebras und Rhinozerosse beobachtet. Zunächst haben Freiwillige auf der Plattform MicroMappers Tiere auf den Aufnahmen identifiziert. Anhand dessen hat ein Algorithmus gelernt, diese Aufgabe zu übernehmen.

Die 500 Freiwilligen mussten auf eine Reihe von Aufnahmen Tiere erkennen und deren Umrisse nachzeichnen. «Innerhalb von zwei Tagen hatten sie 98 Prozent der 26'000 hochgeladenen Bilder ausgewertet», sagt Stéphane Joost vom Ecole Polytechnique Fédérale de Lausanne, einer der Studienautoren. Zwar haben die Freiwilligen auch Fehler gemacht und bisweilen Objekte markiert, die gar keine Tiere waren. «Die Auswertung war definitiv gut genug als Trainings-Datensatz für den Computer-Algorithmus», betont jedoch Joost.

Bewährte Kombination

Ein Vorbild für den Ansatz war die Nutzung von Twitter-Nachrichten im Katastrophenfall. «Twitter kann mit zehntausenden Tweets aus Katastrophengebieten regelrecht explodieren», erklärt Joost. Für Menschen allein ist es nicht möglich, wichtige Informationen schnell genug herauszufiltern. «Inzwischen können Tweets mit einer Kombination von Mensch und künstlicher Intelligenz schnell analysiert werden», so der Wissenschaftler. Eben diese Lösung galt es nun auf Bilddaten zu übertragen. Das Mensch und Maschine gemeinsam schneller sehen als jeder für sich, haben aber auch schon US-Forscher gezeigt, die so die Minensuche unter Wasser beschleunigen konnten.

(arc/pte)