Tijdens een bijeenkomst met natuurbeschermers een paar jaar geleden had Juan Lavista Ferres een eureka-moment.
Als directeur van Microsoft’s AI for Good Lab heeft Lavista Ferres uitgebreid gewerkt aan projecten die gebruik maken van kunstmatige intelligentietechnologie om biodiversiteitsgegevens te verwerken en analyseren. Tijdens die specifieke bijeenkomst besefte hij echter dat er een flagrante kloof bleef bestaan.
“Het kost enorm veel moeite om gegevens te verzamelen”, vertelde Lavista Ferres, tevens hoofd datawetenschapper van Microsoft, aan Mongabay in een video-interview. “We hebben ons nooit gerealiseerd hoe erg het was totdat we nauw met hen (de natuurbeschermers) samenwerkten om de hele workflow te bekijken.”
Toen hij terugkeerde naar zijn laboratorium, stelde Lavista Ferres een team samen om een oplossing te vinden. Het resultaat was Project SPARROW.
SPARROW is een afkorting voor op zonne-energie werkend akoestisch en op afstand opnemend observatiehorloge en combineert edge computing en AI om de biodiversiteit in realtime en continu te monitoren. De tool, aangedreven door zonne-energie, is ontwikkeld om autonoom in afgelegen bossen te functioneren en visuele en audiogegevens te verzamelen en te verwerken.
“Het hele idee van SPARROW is om het voor natuurbeschermers triviaal te maken om gegevens te verzamelen”, zegt Lavista Ferres.
SPARROW is ingezet in elf landen op vijf continenten en heeft aangetoond dat het meer dan een jaar lang continu kan functioneren zonder menselijke tussenkomst. Implementaties in afgelegen bossen brengen echter hun eigen uitdagingen met zich mee, omdat apparaten moeilijk toegankelijk zijn.
“Onze belangrijkste uitdaging is ervoor te zorgen dat deze apparaten volledig kogelvrij zijn”, aldus Lavista Ferres, om veeleisende omstandigheden te kunnen weerstaan. Een van zijn teamleden, zei hij, vergeleek het met het werken met NASA-rovers omdat ‘je weet dat je het apparaat hebt, maar je kunt er niet heen gaan om het te herstellen.’
Lavista Ferres sprak met Abhishyant Kidangoor van Mongabay over hoe SPARROW werkt, de motivatie achter de ontwikkeling ervan en de impact die het heeft gehad.
Het volgende interview is lichtelijk aangepast voor lengte en duidelijkheid.
Mongabay: Hoe zou je Project SPARROW omschrijven aan iemand die er nog niet van heeft gehoord?
Juan Lavista Ferres: SPARROW is onze biodiversiteitsinspanning om het voor natuurbeschermers gemakkelijk te maken gegevens te verzamelen en te analyseren. SPARROW betekent een op zonne-energie werkend akoestisch observatiehorloge met opname op afstand. Natuurbeschermers over de hele wereld hebben één ding gemeen: om hun werk te kunnen doen, hebben ze gegevens nodig. In veel opzichten beweegt natuurbehoud zich met de snelheid van die gegevens. De uitdaging waar deze natuurbeschermers vandaag de dag voor staan, is echter dat het hen enorm veel moeite kost om gegevens te verzamelen.
We werken al heel lang in deze ruimte. De afgelopen zeven jaar hebben we ons vooral gericht op het toepassen van AI om beelden te analyseren. We realiseerden ons nooit hoe erg het was (gegevensverzameling) totdat we nauw met hen samenwerkten om de hele workflow te bekijken. Plotseling begrepen we pas echt hoeveel moeite ze moesten doen om naar het midden van de Amazone te gaan en een camera te plaatsen, en drie weken daarna terug te gaan om de batterijen te vervangen en de camerachip op te halen. Het is in veel opzichten zelfs gevaarlijk. Bovendien zou het verzamelen en analyseren van de gegevens maanden duren. Soms kan er een jaar duren vanaf de dag dat ze de camera plaatsen tot de dag dat ze de gegevens daadwerkelijk verzamelen en uiteindelijk analyseren.
We wilden samen met natuurbeschermers het proces doorlopen en zeggen: “Hé, laten we een systeem bouwen dat alles voor je doet.” Ze hoeven de camera maar één keer in te zetten. De camera heeft zonnepanelen en een GPU (grafische verwerkingseenheid) aan de binnenkant. Het verzamelt gegevens en stuurt deze terug naar de cloud via een satelliet in een lage baan of een GSM-verbinding (een digitaal mobiel netwerk). De natuurbeschermers zullen alle tools op een website hebben om de gegevens te analyseren. Op deze manier kunnen ze zich niet concentreren op de workflow, maar op het verzamelen en analyseren van de gegevens. Het hele idee van SPARROW is om het voor natuurbeschermers triviaal te maken om gegevens te verzamelen.
Mongabay: Wat is nu de status van Project SPARROW?
Juan Lavista Ferres: Op sommige gebieden werken deze systemen nu al meer dan een jaar. We hebben het op vijf continenten draaien. Ons eerste doel was om te kijken of we één apparaat daadwerkelijk een jaar lang gegevens kunnen laten verzamelen zonder menselijke tussenkomst. Dat was onze eerste succeslijn.
Veel mensen stonden er sceptisch tegenover. Ze zeiden dat als je een camera midden in de Amazone hebt, het te vochtig is en dat het geen jaar meegaat, vooral niet als je zonnepanelen en een GPU hebt. Maar het is ons gelukt. Dat was ons eerste doel.
Mongabay: Wat was de directe motivatie om dit in beweging te krijgen?
Juan Lavista Ferres: Het project begon bijna twee jaar geleden. In mei 2024 was er een biodiversiteitsbijeenkomst waarvoor ik was uitgenodigd. Dit was een groep mensen die Planet Labs, het satellietdatabedrijf, samenbracht met een aanzienlijk aantal natuurbeschermers. We hebben drie dagen lang met natuurbeschermers samengewerkt om te proberen hun hindernissen te begrijpen. Toen had ik mijn “aha”-moment. Ik besefte dat we geen echt probleem voor deze mensen aan het oplossen waren; we waren slechts een klein probleem voor hen aan het oplossen. Dus begonnen we te praten over hoe we het grotere probleem kunnen oplossen en er waren veel discussies met mensen die in werkelijkheid natuurbeschermers zijn.
Mongabay: Wat gebeurde er daarna? Hoe zag de reis om dit tot bloei te brengen eruit?
Juan Lavista Ferres: Ik begon het proces te doorlopen met natuurbeschermers daar. We hadden het over het verzamelen van data met behulp van zonnepanelen. Dan waren er mensen die bang waren dat het hebben van een apparaat midden in de Amazone, met al die vochtigheid, niet zou werken. Sommigen van hen vertelden ons dat we enorme zonnepanelen nodig zouden hebben om de satellieten in een lage baan te beheren.
Ik kwam terug naar het lab en stelde een team samen. We zijn rond juni 2024 begonnen met werken en het kostte ons zeven maanden om een prototype in elkaar te zetten. Maar veel dingen mislukten, en we werkten er doorheen en uiteindelijk voltooiden we een prototype. Het was rond mei 2025 toen we daadwerkelijk de eerste implementaties deden. We zijn ingezet in de regio Magdalena Medio in centraal Colombia, en in Los Amigos (een onderzoeksstation) in het Peruaanse Amazonegebied. Ook daar faalden er een paar en daar hebben we weer wat van geleerd. We gingen terug en veranderden enkele componenten. Uiteindelijk hebben we het rond juli met enkele van die updates geïmplementeerd. We hebben die apparaten al een jaar niet aangeraakt.
Inmiddels hebben we SPARROW op veel plekken ingezet. Bij de eerste generatie SPARROW moesten mensen het solderen om de apparaten te kunnen gebruiken, maar sindsdien hebben we het relatief eenvoudig gemaakt. U kunt binnen enkele minuten de nieuwste versie samenstellen. Het is net als een Lego.
Mongabay: Stel dat ik een natuurbeschermer ben, hoe kan ik SPARROW gebruiken? Wat voor gegevens krijg ik?
Juan Lavista Ferres: SPARROW is altijd aan het opnemen. Er zijn camera’s, dus eigenlijk elke keer dat er iets beweegt, wordt er een foto gemaakt en dan voer je een AI-model uit dat de foto maakt en analyseert of er een dier in zit. Als er een dier aanwezig is, stuurt het de informatie terug naar de cloud.
Hetzelfde gebeurt met akoestische gegevens. We hebben bijvoorbeeld een project waarbij ze zich richten op slingerapen (Ateles hybridus). De apen hebben een bepaald type akoestische vingerafdruk, dus SPARROW verzamelt die gegevens en stuurt deze terug naar de server. Een ander voorbeeld is ons werk met giraffen (Camelopardalis van de giraffe) en bongo’s (Tragelaphus eurycerus). Telkens wanneer u een bongo of een giraffe detecteert, zal hij dat specifieke dier later automatisch opnieuw identificeren. Voorlopig voeren we alleen heridentificatie uit voor deze twee soorten, maar het plan is om de heridentificatie-algoritmen voor andere soorten uit te breiden.
Mongabay: Kunt u twee casestudies benadrukken over hoe SPARROW wordt gebruikt en welke impact het heeft gehad?
Juan Lavista Ferres: In Oeganda leeft nog maar een heel klein aantal bongo’s in het wild. We hebben daar een aanzienlijk aantal apparaten en de natuurbeschermers gebruiken de gegevens om te begrijpen wat er met die populatie bongo’s gebeurt. Dankzij SPARROW konden ze nog een bongo ontdekken waarvan ze zich niet bewust waren.
SPARROW hielp Chester Zoo en de Uganda Wildlife Authority ook bij het vinden van een met uitsterven bedreigd reuzenschubdier. Er is nog maar een heel klein aantal gigantische schubdieren over in Oeganda en we hebben er één op video kunnen vastleggen.
Mongabay: Wat waren de uitdagingen daarbij?
Juan Lavista Ferres: De grootste uitdaging voor ons is dat je, zodra je de implementatie hebt uitgevoerd, terug moet gaan als er iets mislukt. Soms kan het drie dagen duren om dat te doen. Een paar weken geleden zagen we hoe een olifant een van de apparaten volledig neerhaalde, maar de positieve kant is dat zodra de olifant de camera neerhaalde, het team het wist en terug kon gaan om het te repareren.
Onze belangrijkste uitdaging is ervoor te zorgen dat deze apparaten volledig kogelvrij zijn. Een van de mensen in mijn team zegt dat het in veel opzichten lijkt op werken in een NASA-roverteam: je weet dat je het apparaat hebt, maar je kunt er niet heen gaan om het te herstellen.
Mongabay: Wat zijn je toekomstplannen voor SPARROW? Wat hoop je dat je me over twee jaar over het project zult vertellen?
Juan Lavista Ferres: Wij breiden uit. We hebben nu iets dat SPARROW Studio heet. Het is een platform waarmee u niet alleen de gegevens kunt gebruiken die u via SPARROW heeft verzameld, maar als u over een eigen gegevensverzamelingssysteem beschikt, kunt u de gegevens ook uploaden. We zijn blij dat we een compleet platform hebben dat het voor natuurbeschermers gemakkelijker maakt om gegevens te analyseren.
Over twee jaar zou ik je graag willen vertellen dat duizenden natuurbeschermers SPARROW gebruiken en dat ze het hebben gebruikt om nieuwe soorten te ontdekken. of dat het natuurbeschermers heeft geholpen efficiënter te zijn om ervoor te zorgen dat soorten niet uitsterven. Dat is onze droom. Ons succes ontstaat wanneer het voor natuurbeschermers gemakkelijk is om gegevens te verzamelen, verwerken en analyseren. Hoe sneller we gegevens verplaatsen, hoe beter we zijn.
Wat van cruciaal belang is om te begrijpen is dat het merendeel van de bedreigde ecosystemen in de wereld zich op zeer afgelegen plaatsen bevindt, waardoor het onmogelijk is om om te beginnen gegevens te verzamelen. Bovendien willen we niet dat mensen daar elke drie weken naartoe gaan om de batterijen te vervangen. Ten eerste zou het onmogelijk zijn, maar we willen ook geen mensen in die ecosystemen. Tegelijkertijd moeten we begrijpen wat daar gebeurt. Dit is de reden waarom tools als SPARROW zo cruciaal zijn.
Bannerafbeelding:Een scharlaken ara (Ara Macao) in de Amazone. Afbeelding door Pierre Perraut via Unsplash.
Abhishyant Kidangoor is een stafschrijver bij Mongabay. Vind hem op 𝕏 @AbhishyantPK.
Van radarblobs tot vogelsoorten, AI helpt het volgen van migraties te transformeren
Van krassen tot code: AI helpt bij het ontcijferen van de communicatie tussen dieren
