KATHMANDU – Bij zonsopgang in het dorp Birta Deurali in Kavrepalanchok in centraal Nepal zijn de maïsvelden niet stil. Boeren houden de wacht en scannen de bomen op beweging, maar zij zijn niet de enigen daar.
“Als je ook maar voor een korte tijd weggaat, richten de apen aanzienlijke schade aan”, zegt de 46-jarige Sagar Tamang, een inwoner van Birta Deurali. Dorpelingen bewaken om de twee uur om de beurt de velden, slaan op trommels en sturen honden om ze weg te jagen.
De Nepalese oogsten van makaken halen de nationale krantenkoppen en de onderzoekers van het land testen op kunstmatige intelligentie gebaseerde detectie- en afschrikkingssystemen, hoewel zelfs de wetenschappers die ze bouwen toegeven dat de technologie nog geen betrouwbare oplossing is.
“We verstoppen zelfs voedsel binnenshuis, maar ze vinden nog steeds hun weg naar binnen”, zei Tamang. “Alleen het vuur maakt ze nu bang,” voegde hij eraan toe, verwijzend naar de brandende stokken van de dorpelingen om de apen op afstand te houden.
Voor boeren zoals de 32-jarige Sunmaya Lama uit hetzelfde dorp lopen de verliezen op. “We zijn dit jaar maïs ter waarde van 30.000 roepies (ongeveer $230) kwijtgeraakt”, zei ze. “In de afgelopen drie jaar heeft het ongeveer 90.000 roepies (ongeveer $670) bereikt.”
Toen ze de lokale overheid benaderde, zei ze dat haar werd verteld dat er geen voorziening was voor compensatie. ‘Dus we dragen het verlies gewoon zelf’, zei ze.
Een brouwcrisis in het hele land
De omvang van het probleem reikt verder dan het dorp. Een landelijke analyse uit 2022, gepubliceerd in de Tijdschrift voor Milieubeheer gebruikte soortenverspreidingsmodellen om het conflict tussen mens en resusaap in heel Nepal in kaart te brengen. Hieruit bleek dat bijna 44% van het landoppervlak van het land een geschikt leefgebied voor makaken bevat, waarvan minder dan 8% in beschermde nationale parken. Ongeveer 15% van al het land waar menselijke vestiging is toegestaan, wordt gekenmerkt door gematigde of hoge conflicten.
Recenter onderzoek illustreerde een andere trend. Een onderzoek uit 2026 in de Amerikaans tijdschrift voor primatologieUit een veldonderzoek van een jaar onder een groep makaken in centraal Nepal blijkt dat bijna de helft van hun dieet nu afkomstig is van gecultiveerde gewassen. Vanaf het moment dat een zaadje ontkiemt tot het de opslagplaats bereikt, kunnen apen in elk stadium gewassen beschadigen, zeggen onderzoekers.
AI betreedt het veld
Als reactie hierop testen onderzoekers of de technologie gelijke tred kan houden met het probleem.
Aan de Madan Bhandari Universiteit voor Wetenschap en Technologie werkt onderzoeker Progress Jung Thapa aan een systeem dat AI gebruikt om apen in realtime te detecteren en hun gedrag te interpreteren. Het werk, uitgevoerd tussen 2024 en 2025, is ontworpen voor gebruik in landelijke landbouwomgevingen. “De apengeest wordt vaak omschreven als rusteloos”, zegt Thapa. “Maar wat ik heb waargenomen is het tegenovergestelde. Ze zijn extreem aanwezig.”
Het systeem, gebouwd op camera’s en lichtgewicht computerapparatuur, koppelde een detectiemodel aan een tweede laag die getraind was om gedrag te interpreteren, waardoor het acties zoals beweging, waakzaamheid en voeding kon classificeren. Getraind op meer dan 4.000 geannoteerde afbeeldingen, bereikte het een nauwkeurigheid van ongeveer 88% tijdens 28 veldsessies. “Als er nog een aap kijkt, heeft de boer tijd”, zei Thapa. “Als het al aan het voeden is, moet de reactie onmiddellijk zijn. Een machine kan het detecteren. Maar een mens beslist.”
Naast het veldnauwkeurigheidscijfer heeft het onderliggende detectiemodel sterke resultaten geboekt: ongeveer 91,7% mAP (een standaardmaatstaf voor detectienauwkeurigheid), draaiend op 15 tot 22 frames per seconde op de goedkope hardware die het team gebruikte. De cijfers suggereren dat de kerndetectietechnologie zelf snel volwassen wordt, ook al blijft het vertalen daarvan in consistente veldprestaties een afzonderlijke uitdaging.
Een camera houdt het veld voortdurend in de gaten, net als een beveiligingscamera, en een computerprogramma controleert elk frame en vraagt: “is dat een aap?” Het leerde er een te herkennen op dezelfde manier waarop een kind een hond leert herkennen door van tevoren duizenden foto’s te zien. Hij probeert ook te raden wat de aap doet: kijken of actief eten. Dat onderscheid is van belang, want een aap die alleen maar toekijkt, geeft de boer een paar seconden extra, terwijl een aap die al aan het eten is, onmiddellijk moet reageren. Zodra het systeem een reële dreiging signaleert, stuurt het een waarschuwing rechtstreeks naar de telefoon van de boer.
Op Pulchowk Campus, Institute of Engineering, Tribhuvan University, heeft een aparte groep een soortgelijke aanpak gevolgd. Onder leiding van assistent-professor Santosh Giri heeft het team detectie gecombineerd met een ultrasoon afschrikmiddel dat is ontworpen om apen af te weren zodra ze zijn geïdentificeerd.
Hun model werd getraind op een kleinere dataset van minder dan 1.000 afbeeldingen verzameld op sites als Swayambhunath en Pashupatinath in Kathmandu. Hoewel de eerste resultaten wijzen op een sterk detectievermogen, bevindt het afschrikkingssysteem zelf zich nog in een prototypefase en moet het nog worden getest in werkende landbouwomgevingen.
“Landbouwomgevingen zijn veel complexer,” zei Giri. “Lichtomstandigheden, vegetatie en gedeeltelijke zichtbaarheid van dieren kunnen allemaal de prestaties beïnvloeden.”
Hij voegde eraan toe dat gedrag een diepere uitdaging vormt. “Resusapen zijn zeer adaptief,” zei hij. “Elk afschrikmiddel kan zijn effectiviteit verliezen zodra dieren eraan gewend raken.” Om dit aan te pakken, onderzoekt zijn team manieren om de reacties in de loop van de tijd te variëren.
Het systeem van Giri detecteert apen op dezelfde manier, maar in plaats van een persoon te waarschuwen, vecht het direct terug: zodra een aap wordt opgemerkt, zendt een klein circuit een hoog geluid uit dat boven het menselijk gehoor uitsteekt, irriterend voor apen, vergelijkbaar met een hondenfluit, zodat de machine onmiddellijk reageert in plaats van dat een boer naar buiten moet rennen. Tot nu toe is het geluidsproducerende onderdeel alleen getest op een werkbank en niet in een echt veld, dus het blijft onbewezen onder echte kweekomstandigheden.
Zowel Thapa als Giri erkennen dat het vertalen van deze systemen naar het dagelijks gebruik op de boerderij moeilijker is gebleken dan de eerste resultaten suggereerden. De prestaties nemen vaak af als het zicht slecht is tijdens regen, weinig licht of als apen zich door dichte gewassen of vegetatie bewegen.
Een systematische review uit 2025 van 105 onderzoeken naar AI en conflicten tussen mens en natuur, gepubliceerd in Wetenschappelijke vooruitgang ontdekte dat hoewel AI de monitoringresultaten in 65% van de gevallen verbeterde, de betrokkenheid van de gemeenschap in slechts 39% verbeterde, wat erop wijst dat technische prestaties en effectiviteit ter plaatse afzonderlijke uitdagingen blijven.
Zoöloog Laxman Khanal ziet de kernbeperking duidelijk. “Op AI gebaseerde systemen openen nieuwe mogelijkheden”, zei hij. “Maar als ze alleen maar boeren waarschuwen, zijn ze misschien niet effectief.”
In veel dorpen beperkt het tekort aan arbeidskrachten nu al het vermogen om te reageren. “Er zijn niet genoeg mensen om apen te achtervolgen”, zei hij. “Elk systeem moet dieren direct kunnen afschrikken.”
Zowel Thapa als Giri zeiden dat de volgende fase van hun werk rechtstreeks op die kloof is gericht. “In de toekomst zou AI niet alleen apen moeten detecteren”, zegt Giri. “Het moet ook beslissen hoe te reageren.”
Deskundigen dringen aan op voorzichtigheid
Naresh Subedi, een natuuronderzoeker, zei dat dergelijke benaderingen veelbelovend zijn, maar onzeker blijven. “Apen zijn zeer adaptief”, zei hij. “Als afschrikmiddelen geen reëel risico vormen, kunnen ze uiteindelijk niet meer reageren.”
Shashank Poudel, hoofd van de natuurprogramma’s bij WWF Nepal, was het ermee eens dat geen enkele oplossing alleen werkt. “Een combinatie van methoden – fysieke barrières, gewasveranderingen, waakzaamheid van de gemeenschap en hulpmaatregelen – is effectiever geweest”, zei hij.
Terug in Birta Deurali is dit soort voorzichtigheid belangrijker dan in een laboratorium. De systemen die Thapa en Giri aan het bouwen zijn, hebben dorpen als deze voorlopig nog niet bereikt, het bewaken van de velden bij zonsopgang blijft de enige optie die Tamang en Lama hebben.
Beleidslacunes en ongelijke reacties
Het probleem wordt al lang onderkend op beleidsniveau, maar de vooruitgang blijft ongelijkmatig. Natuurbeschermingsfunctionaris bij NTNC Gobinda Prasad Pokharel zei dat herhaalde inspanningen, van parlementaire aanbevelingen tot regeringscommissies, moeite hebben gehad om blijvende resultaten op te leveren, vaak als gevolg van zwakke coördinatie en een gebrek aan locatiespecifieke strategieën. Verhuizing, vaak gebruikt als reactie van het management, heeft het probleem herhaaldelijk verschoven in plaats van opgelost.
Een evaluatie uit 2026 van het Nepalese hulpbeleid voor door dieren veroorzaakte schade, gepubliceerd in Banko Janakaribleek dat compensatiemechanismen moeite hebben om gelijke tred te houden met de omvang van het conflict, waarbij voorzieningen ongelijkmatig worden toegepast en vaak ontoegankelijk zijn voor de meest getroffen gemeenschappen.
Op 18 mei 2026 vormde het Nepalese ministerie van Landbouw, Bossen en Milieu een technische taskforce van 15 leden om conflicten tussen mens en natuur aan te pakken, en sloot zich aan bij de parlementaire aanbevelingen en eerdere commissies die de kwestie eerder hadden aangepakt. Volgens Shila Gyawali, ondersecretaris bij het ministerie en het lid dat verantwoordelijk is voor de coördinatie van de taskforce, bestaat de groep uit vertegenwoordigers van belangrijke overheidsinstanties, universiteiten en natuurbeschermingsorganisaties, samen met vakdeskundigen.
Het is belast met het herzien van bestaand beleid, onderzoek en compensatiesystemen, en het aanbevelen van maatregelen voor de korte, middellange en lange termijn. De taskforce verzamelt feedback van overheidsinstanties, experts en boeren en zal naar verwachting binnen drie maanden een rapport indienen, inclusief opties om de hulpmechanismen te verbeteren en proefinterventies in getroffen gebieden te testen.
De IUCN benadrukt in haar richtlijnen over conflicten en co-existentie tussen mens en natuur dat er niet één definitieve oplossing bestaat, en dat de reacties moeten worden afgestemd op de lokale ecologische en sociale omstandigheden – een conclusie die in Nepal herhaaldelijk is gebleken.
Terug in Birta Deurali staan Tamang en Lama een nieuw seizoen te wachten. Elke ochtend begint met het scannen van de bomen, luisteren naar beweging, in de hoop dat de gewassen nog een dag overleven. Een paar honderd meter verderop maken de makaken dezelfde berekeningen als altijd, op weg naar de gemakkelijkste voedselbron die beschikbaar is.
Bannerafbeelding: Een resusaap eet een sinaasappel in Kathmandu. Afbeelding door Rachid H via Flickr (CC BY-NC 2.0).
Na Sri Lanka debatteert Nepal over de export van zijn ‘problematische’ apen
De meeste wildlife-AI richt zich op de grond. Dit model kijkt omhoog in de bomen
Citaties
Koirala, S., Baral, S., Garber, PA, Basnet, H., Katuwal, HB, Gurung, S., Rai, D., Gaire, R., Sharma, B., Pun, T., & Li, M. (2022). Identificatie van de ecologische en antropogene oorzaken, verspreiding en intensiteit van menselijke resusaap-conflicten in Nepal. Tijdschrift voor Milieubeheer316, 115276. doi:10.1016/j.jenvman.2022.115276
Rai, S., en Rai, R. (2024). Apendreiging in Nepal: een analyse en voorgestelde oplossingen. Tijdschrift voor multidisciplinaire wetenschappen6(1), 26–31. doi:10.33888/jms.2024.614
Koirala, S., Garber, PA, Somasundaram, D., Katuwal, HB, Ren, B., Huang, C., & Li, M. (2021). Factoren die het gewasovervalgedrag van wilde resusapen in Nepal beïnvloeden: implicaties voor natuurbeheer. Tijdschrift voor Milieubeheer297, 113331. doi:10.1016/j.jenvman.2021.113331
Rai, D., et al. (2026). Het gewasvoedingsgedrag van resusapen in een bos-boerderij-mozaïek in centraal Nepal: implicaties voor de coëxistentie van mens en natuur. Amerikaans tijdschrift voor primatologie88, e70141. doi:10.1002/ajp.70141
Ojija, F., Ogwu, MC, Ally, J., John, JP, Stephano, A., Felix, N., & Tekka, R. (2025). Door kunstmatige intelligentie aangestuurde oplossingen voor het verzachten van conflicten tussen mens en natuur in hotspots op het gebied van biodiversiteit. Wetenschappelijke vooruitgang108(4). doi:10.1177/00368504251394584
Giri, S., Adhikari, B., Basnet, B., KC, B., & Subedi, R. Ontwerp en ontwikkeling van een AI-gestuurde oplossing voor resusaap. Tijdschrift van Advanced College of Engineering en Management12, 73–87. doi:10.3126/jacem.v12i01.93908
Thapa, PJ, Lamsal, RR, Subba, R., Gautam, BP, & Manandhar, S. Edge. YOLO: Real-time YOLO-gebaseerde apendetectie met Slack-waarschuwing voor gewasbescherming in Nepal. Madan Bhandari Universiteit voor Wetenschap en Technologie. https://ieeexplore.ieee.org/abstract/document/11485402
