Af Peter Bondo

Insekter er den mest artsrige gruppe af dyr på jorden, men vi har kun fundet og beskrevet en lille andel af dem. Der er simpelthen så mange forskellige arter, at det er umuligt at undersøge og beskrive dem alle med traditionelle metoder.

Den enorme mangfoldighed hos insekterne betyder også, at de har mange forskellige måder at leve på og forskellige roller i de økosystemer, de er en del af. 

En svirreflue i Grønland har eksempelvis et helt, helt anderledes liv end en knæler i den brasilianske regnskov. Men bare til disse to insektgrupper, hører utallige forskellige arter, som alle har deres meget specielle kendetegn og økologiske rolle.

Skal man undersøge den enkelte arts levemåde og samspil med andre arter, er det nødvendigt at fange, identificere og tælle en masse insekter. Det siger sig selv, at det er en yderst tidskrævende proces, der i den grad har begrænset forskernes indsigt i, hvordan forskellige faktorer påvirker insekternes liv.

Et nyt studie udgivet i Proceedings of the National Academy of Sciences viser nu, hvordan avanceret computerteknologi og kunstig intelligens hurtigt og effektivt kan bestemme og tælle insekter. Det er et kæmpe skridt fremad for forskerne og kan hjælpe dem til forstå, hvordan verdens mest artsrige dyregruppe ændrer sig gennem tiden – bl.a. i relation til tab af levesteder og klimaforandringer.

Deep Learning

”Ved hjælp af en avanceret kamerateknologi kan vi nu samle millioner af insektfotos. Når vi samtidig lærer en computer at kende forskel på de forskellige arter, kan computeren hurtigt identificere de forskellige arter og tælle hvor mange, der er. Det er lidt af en revolution i forhold til at have en person med en kikkert i felten eller foran luppen i laboratoriet der manuelt identificerer og optæller dyrene”, fortæller seniorforsker Toke T. Høye fra Institut for Bioscience og Arktisk Forskningscenter ved Aarhus Universitet, der har stået i spidsen for den nye undersøgelse. Det internationale forskerhold bag studiet består af biologer, statistikere og ingeniører.

Metoden, der går under begrebet ’deep learning’ er en form for kunstig intelligens, der normalt finder anvendelse i helt andre områder, for eksempel i udviklingen af selvkørende biler. Men nu har forskerne altså demonstreret, hvordan teknologien kan overtage nogle af de enorme arbejdsbyrder, som forskerne har med manuelt at sortere og bestemme insekter fra forskellige indsamlinger. 

”Vi kan bruge deep learning til så at sige at finde nålen i høstakken – det ene dyr fra en sjælden eller ubeskreven art blandt alle de andre dyr af almindelige og kendte arter. Alt det trivielle arbejde tager computeren sig af. Vi kan så koncentrere os om de mest krævende opgaver, så som at beskrive nye arter, computeren endnu ikke kender og fortolke de mange resultater, vi får”, forklarer Toke T. Høye. 

Og der er vitterligt meget tilbageværende forskningsarbejde, når det gælder insekter og smådyr, bl.a. fordi der ikke er gode nok databaser til at sammenligne ukendte arter med de kendte, men også fordi en uforholdsmæssig stor del af forskerne beskæftiger sig med mere kendte artsgrupper som fugle og pattedyr. Med deep learning er det forskernes forventning hurtigt at kunne øge vidensniveauet om insekter betragteligt. 

Lange tidsserier er nødvendige

Skal man forstå, hvordan bestande af insekter ændrer sig gennem tiden, skal man bruge observationer og målinger, der er foretaget på præcis samme måde, på samme sted og gennem længere tid. Man har brug for lange, grundige tidsserier af data.

Nogle arter bliver mere talrige og andre mere sjældne. Men for at forstå hvilke mekanismer, der bestemmer antallet af insekter, er det helt afgørende at lave de samme målinger år efter år.

En nem metode er at sætte kameraer op samme sted år efter år. Kameraer, der eksempelvis tager et billede hvert minut. Det giver bjerge af data, der gennem årene bl.a. kan afklare, hvordan insekterne reagerer på et varmere klima, eller hvordan de reagerer på de ændringer, vi mennesker påfører naturen. Det er et vigtig værktøj, hvis vi skal sikre en god balance mellem at benytte og beskytte den klode, vi lever på.

”Der er stadig udfordringer før de nye metoder kan finde bred anvendelse, men studiet peger på en række resultater fra andre forskningsområder, der kan hjælpe med at løse disse udfordringer for studier af insekter. Her er et tæt tværfagligt samarbejde mellem biologer og ingeniører helt centralt”, siger Toke T. Høye.

 
Plante-bestøver samspil kan          
kortlægges ud fra billeder
(Foto: Hjalte M.R. Mann)

Automatisk lysfælde hvor
natsommerfugle kan blive
identificeret med computervision
(Foto: Toke T. Høye) 

Deep Learning (Foto: Kim Bjerge)

Kontakt: Seniorforsker, Toke T. Høye, tth@bios.au.dk +45 30183122.

Link til artiklen: https://www.pnas.org/content/118/2/e2002545117