Viele Citizen Science Projekte beinhalten repetitive oder einfach auch mühsame Arbeiten. Wie wär’s, wenn wir diese von einer künstlichen Intelligenz machen lassen?
Mit viel Neugierde haben wir uns in den letzten Monaten mit dem Thema Citizen Science und künstliche Intelligenz auseinandergesetzt. Besonders interessiert hat uns dabei die sinnvolle Zusammenarbeit zwischen Mensch und Maschine. Wer kann was besser? Wie ergänzen sich Citizen Scientist und künstliche Intelligenz am sinnvollsten? Wie bleiben die Citizen Scientists motiviert und kommen sich nicht überflüssig vor neben der künstlichen Intelligenz?
Was man schon weiss über KI und Citizen Science
Marisa Ponti und Alena Seredko haben 2022 dazu eine Review veröffentlicht (Human-machine-learning integration and task allocation in citizen science) und diverse Publikationen zum Thema Citizen Science und Künstliche Intelligenz analysiert. Sie haben herausgefunden, dass künstliche Intelligenz in Citizen Science Projekten am häufigsten für automatische Bilderkennung wie beispielsweise bei iNaturalist oder Snapshot Serengeti verwendet wird. Eine weitere häufige Anwendung ist das Lokalisieren von bestimmten Objekten auf Bildern, wie dies beispielsweise bei Galaxy Zoo oder dem Koster Seafloor Observatory der Fall ist. Diese Beispiele sind aber erst der Anfang - es gibt natürlich noch viele weitere Möglichkeiten für Aufgaben der verschiedenen Beteiligten in einem Citizen Science Projekt.
Was sind die Aufgaben der KI, was die der Citizen Scientists?
Citizen Scientists können Daten sammeln, Beobachtungen klassifizieren, neue Kategorien erstellen, Kategorisierungsergebnisse von Algorithmen überprüfen oder Rätsel lösen durch Gamen. Hauptberuflich Forschende übernehmen eher Aufgaben wie die Erstellung von „Goldstandard“-Datensätzen, Verarbeitung und Pflege von Daten, Vorbereitung von Trainingsdatensätzen für maschinelle Lernmodelle oder die Weiterbildung der Citizen Scientists selbst. Für die künstliche Intelligenz haben Ponti und Seredko zwei unterschiedliche Aufgabenbereiche definiert: Erstens Erkennung, wozu Objekterkennung, Klassifizierung wie auch Clusterbildung gehört. Der zweite Aufgabenbereich für künstliche Intelligenz in Citizen Science ist die Vorhersage. Beispiele dafür sind die Vorhersage von Umweltbedingungen, Beseitigung von Fehlern (in Originaldaten oder durch die Klassifizierung von Citizen Scientists), Verbesserung der KI-Leistung durch Lernen aus dem Feedback von Citizen Scientists, Modellierung von Resultaten oder Lernen aus dem Spielverhalten der Citizen Scientists.
Das Menschliche nicht vergessen
Alle diese Möglichkeiten hören sich gut an, es besteht jedoch die Gefahr, dass vor lauter Enthusiasmus künstliche Intelligenz einzusetzen, die Motivation der Citizen Scientists vergessen geht. Damit dies nicht geschieht, macht es durchaus Sinn, künstliche Intelligenz in erster Linie unterstützend für die Citizen Scientists heranzuziehen, auch wenn die Künstliche Intelligenz gewisse Aufgaben gleich gut oder sogar besser erledigen könnte als der Mensch.
In diesem Sinne haben Yen-Chia Hsu und Kolleg:innen eine weitere Möglichkeit gefunden, wie künstliche Intelligenz unterstützend wirken kann bei Citizen Science Projekten. Sie kann beispielsweise mit den Citizen Scientists in einen Dialog treten. Erreichen die Citizen Scientist einen spezifischen Punkt im Projekt, erhalten sie eine Nachricht, die sie auf etwas spezifisches hinweist, damit ihre Arbeit erleichtert wird und sie länger an einem Projekt mitarbeiten.
Viele Möglichkeiten, aber auch viele offene Fragen. Was wir jetzt mit dieser ersten Recherche anfangen, lest ihr im nächsten Blog-Post.
Eine Zusammenfassung unserer Überlegungen findest auf unserem Mural board Citizen Science und KI.
Möchtest du mit uns über ein Projekt sprechen oder mehr über unser Team erfahren? Dann besuche uns auf unserer Website!