Automating Visual Recognition of Leprosy in Wild Chimpanzees

Stellen Sie sich eine Welt vor, in der die wachsamsten Sicherheitswächter der Natur lautlose, unbewegliche Kameras sind, die im tiefen Wald verborgen liegen. Dies sind nicht die Arten, die Einbrecher fassen, sondern jene, die über die flüchtigsten Bewohner des Planeten wachen: Wildtiere. Seit Jahrzehnten verlassen sich Wissenschaftler auf diese „Kamerafallen“, um Tiere zu zählen und ihr Leben zu studieren, aber das schiere Volumen an Videomaterial, das sie generieren, ist überwältigend. Es ist, als versuche man, ein einzelnes bestimmtes Blatt in einem Berg aus Herbstlaub von Hand zu finden; es dauert ewig, und man könnte die wichtigsten übersehen. Hier kommt die Magie der Künstlichen Intelligenz (KI) ins Spiel. Stellen Sie sich die KI als einen superschnellen, unermüdlichen Detektiv vor, der in Sekundenschnelle Tausende von Fotos scannen kann, um winzige Hinweise zu finden, die dem menschlichen Auge entgehen könnten. Aber hier liegt der knifflige Teil: Einem Computer beizubringen, ein krankes Tier zu erkennen, ist viel schwieriger, als ihm beizubringen, einen Tiger zu erkennen. Tiere bewegen sich, sie verstecken sich hinter Bäumen, und sie sehen je nach Licht unterschiedlich aus. Die große Frage, die sich Wissenschaftler stellen, lautet: Können wir einen digitalen Detektiv bauen, der klug genug ist, eine Krankheit allein durch den Anblick eines unscharfen Fotos eines Affen im Wald zu erkennen, ohne dass ein Team von Experten jede einzelne Sekunde des Videos anschauen muss?

Genau das ist die Herausforderung, der sich ein Forscherteam stellt, das versucht, Wildschimpansen vor einer fiesen Krankheit namens Lepra zu retten. Man denkt bei Lepra vielleicht an ein menschliches Problem, aber sie ist auch ein stiller Killer für diese Menschenaffen. Wenn ein Schimpanse krank wird, fühlt er sich nicht nur nur ein wenig unwohl; er entwickelt sehr sichtbare, körperliche Veränderungen. Seine Haut verliert vielleicht ihre Farbe, seine Ohren könnten dick und geschwollen aussehen, oder er verliert Haare und sogar Finger. Diese Anzeichen sind wie eine leuchtend rote Flagge, die im Wind weht, aber da die Schimpansen in der Wildnis leben und keine Menschen mögen, können wir nicht einfach zu ihnen hingehen und sie untersuchen. Wir müssen uns auf jene Kamerafallen verlassen. Das Problem ist, dass die Kameras so viel Video aufzeichnen, dass es für Menschen unmöglich ist, alles anzusehen. Deshalb haben die Forscher eine neue Art von KI-Pipeline entwickelt, die das Zuschauen für sie übernimmt.

Zuerst erstellten sie eine massive Bibliothek an Trainingsdaten namens „PanLep300“. Stellen Sie sich dies als ein riesiges Fotoalbum vor, das über 125.000 zugeschnittene Bilder von Schimpansen enthält, die aus Hunderten von verschiedenen Videos über fünf Jahre hinweg aufgenommen wurden. Sie beschrifteten jedes Bild sorgfältig und markierten, welche Schimpansen gesund waren und welche die beängstigenden Anzeichen einer fortgeschrittenen Lepra zeigten. Entscheidend war, dass sie die Fotos nicht einfach in einen Haufen warfen; sie organisierten sie so, dass sie das echte Leben nachahmen. Sie stellten sicher, dass die KI während ihres „Trainings“ niemals denselben spezifischen Schimpansen oder densam Kamerastandort sah, den sie während ihrer „Abschlussprüfung“ sah. Dies stellt sicher, dass die KI lernt, die Krankheit selbst zu erkennen, und nicht nur auswendig lernt, dass „Schimpanse Bob immer in der Nähe von Kamera 5 sitzt“.

Als die KI bereit war, testeten die Forscher drei verschiedene Wege, um sie klüger zu machen. Die erste Methode war wie der Blick auf eine einzelne Momentaufnahme: Die KI betrachtete ein einzelnes Bild eines Schimpansen und entschied, ob er krank war. Die zweite Methode war wie das Anschauen eines kurzen, 16-Rahmen-Filmclips des laufenden Schimpansen, in der Hoffnung, dass das Sehen der Bewegung helfen würde. Die dritte Methode war die komplexeste, bei der die KI versuchte, die gesamte Videosequenz auf einmal zu verstehen, indem sie lernte, wie sich der Schimpanse über die Zeit bewegte und aussah.

Hier kommt die überraschende Wendung: Die einfachste Methode gewann. Die Forscher fanden heraus, dass die KI kein Filmkritiker oder Bewegungsexperte sein musste. Tatsächlich war der beste Ansatz, die einzelnen Bilder (die „Crops“) des Schimpansen zu nehmen, die KI entscheiden zu lassen, ob jedes einzelne krank aussah, und dann einfach die Stimmen zu zählen. Wenn die meisten der Bilder in einer Sequenz sagten „krank“, dann war der Schimpanse krank. Es stellt sich heraus, dass Lepra eine statische Krankheit ist; die Anzeichen ändern sich nicht schnell wie ein Tanzschritt. Sie sind einfach da, wie ein Fleck auf einem Hemd. Der Versuch, die KI darauf zu trainieren, die komplexe Bewegung des Schimpansen zu analysen (die „Video“-Methoden), machte sie tatsächlich etwas schlechter oder nicht besser als nur das Betrachten der einzelnen Fotos. Die komplexen Modelle waren wie Schüler, die versuchen, eine Matheaufgabe zu lösen, indem sie einen Roman über die Zahlen schreiben, obwohl sie eigentlich nur die Zahlen addieren müssten.

Die Studie entdeckte auch einige „Stolperfallen“, die selbst kluge KIs aus der Bahn werfen. Ein großes Problem tritt ganz am Anfang und am Ende eines Videoclips auf. Wenn ein Schimpanse in das Bild läuft, ist er oft halb verborgen oder unscharf. Wenn er aus dem Bild läuft, ist es dasselbe. Die Forscher fanden heraus, dass, wenn die KI versucht, den Durchschnittswert des gesamten Videos zu bilden, diese unscharfen, halb verborgenen Momente die Punktzahl nach unten ziehen und einen eindeutig kranken Schimpansen gesund aussehen lassen. Es ist, als würde ein Schüler eine perfekte Punktzahl in einem Test erhalten, aber dann eine Null bekommen, weil er zu spät zum Unterricht kam und die erste Frage verpasst hat; der Durchschnitt ruiniert das Ergebnis. Um dies zu beheben, zeigten die Forscher, dass die KI viel genauer wird, wenn man einfach die unscharfen Anfänge und Enden der Clips abschneidet (eine „Trimmed“-Strategie) oder nur die klarsten, sichersten Bilder zählt (eine „Top-25%“-Strategie).

Eine weitere interessante Erkenntnis betraf den Hintergrund. Die Forscher versuchten, den Waldhintergrund aus den Fotos zu entfernen und ließen nur den Schimpansen übrig, in der Annahme, dies würde der KI helfen, sich zu konzentrieren. Überraschenderweise machte dies die KI schlechter. Es scheint, dass die KI Hinweise aus dem Wald nutzte – wie die Art der Bäume oder die Beleuchtung –, um herauszufinden, ob der Schimpanse krank war. Als sie den Hintergrund entfernten, entfernten sie versehentlich auch diese hilfreichen Hinweise. Es ist, als versuche man, die Stimmung eines Menschen zu erraten, indem man nur auf sein Gesicht schaut, nur um dann festzustellen, dass man eigentlich das regnerische Fenster hinter ihm gebraucht hätte, um zu verstehen, warum er traurig war.

Am Ende zeigten die Forscher, dass wir in der Lage sind, ein System zu bauen, um Wildschimpansen mittels einer einfachen, intelligenten Kamera und einem Computer auf Lepra zu untersuchen. Sie bewiesen, dass man keinen superkomplexen, bewegungssensitiven Roboter braucht, um die Aufgabe zu erledigen; ein gutes Auge für Details in einem einzelnen Foto, kombiniert mit einer klugen Art, die Ergebnisse zu zählen, reicht aus. Obwohl das System noch nicht perfekt ist und weitere Tests mit größeren Gruppen von Schimpansen benötigt, bietet es ein leistungsstarkes neues Werkzeug. Es legt nahe, dass wir in Zukunft ganze Wälder voller Wildtiere überwachen könnten, Krankheiten frühzeitig erkennen und Leben retten könnten, und das alles, ohne jemals die Tiere zu stören oder jahrelang endlose Stunden von Videos ansehen zu müssen. Die wichtigste Erkenntung ist, dass manchmal der einfachste Weg, ein Problem zu betrachten, der effektivste Weg ist, es zu lösen.