Jedno zdjęcie, drugie, a potem dwa miliony kolejnych. Badacze z 11 krajów Europy nauczyli sztuczną inteligencję przeglądać to, czego człowiek nie zdążyłby obejrzeć: obrazy planktonu, wieloletnie nagrania ryb z podwodnych kamer i zdjęcia śmieci w rzekach. Praca, która trwała miesiące, zajmuje teraz dni, a narzędzia i dane są otwarte dla innych. Oto, jak działał projekt iMagine i czego uczy przyszłych naukowców — a na końcu możesz sprawdzić, czy wiesz, jak AI pomaga badać wody Europy.
Podwodne kamery, czujniki zanurzone w morzach i jeziorach, mikroskopy połączone z komputerami — badania wód od dawna produkują więcej danych, niż ludzie są w stanie przejrzeć. Niektóre czujniki zbierają pomiary od lat, a nawet od dziesięcioleci. Efekt? Archiwa pełne nagrań i zdjęć, do których nikt nie zdążył zajrzeć.
Z tym problemem zmierzył się europejski projekt iMagine, w którym biolodzy spotkali się ze specjalistami od informatyki. Jego historię opisał Tom Cassauwers w unijnym magazynie Horizon.
iMagine to finansowana przez Unię Europejską współpraca naukowców badających środowisko wodne i ekspertów cyfrowych z 11 krajów Europy. Projekt trwał od 2022 do 2025 roku. Cel był jeden: stworzyć narzędzia sztucznej inteligencji, które sprawnie przetworzą ogromne zbiory danych z mórz, rzek i jezior.
Koordynatorem był Gergely Sipos z EGI Foundation — organizacji non-profit, która łączy badaczy w Europie z mocą obliczeniową, danymi i innymi usługami cyfrowymi. Jak podkreśla, szybszy i tańszy monitoring pozwala wcześniej reagować na zanik planktonu, gromadzenie się śmieci, wycieki ropy czy niszczenie raf koralowych.
Jednym z uczestników był Jean-Olivier Irisson z Sorbonne Université w Paryżu, który zajmuje się mikroskopijnymi organizmami morskimi. Plankton wygląda niepozornie, ale jego rola jest ogromna. Według Irissona odpowiada za połowę fotosyntezy na świecie, stanowi podstawę morskiego łańcucha pokarmowego i pomaga regulować klimat, pochłaniając dwutlenek węgla z atmosfery. Bez niego — jak mówi badacz — nie byłoby ryb.
Tradycyjnie badanie planktonu oznaczało pobieranie próbek wody i liczenie organizmów pod mikroskopem. Zespół z Paryża korzysta z oprogramowania, które rejestruje i przetwarza obrazy, rozpoznając każdy pojedynczy organizm. Skala robi wrażenie: jeden zbiór danych zawiera 2,2 mln zdjęć pojedynczych organizmów. Ręcznie nikt by ich nie sklasyfikował, z pomocą AI to kwestia krótkiego czasu.
Ciekawostka: jeden z organizmów sfotografowanych przez zespół Irissona posłużył — jak mówi sam badacz — za wzór głowy stwora z filmowej serii „Obcy”.
Największa zmiana dotyczy tempa. Analizy, które kiedyś zajmowały miesiące, a nawet lata, trwają teraz od kilku dni do kilku tygodni. Irisson mówi wprost: gdyby nie AI, ktoś musiałby usiąść nad próbką i policzyć wszystko po kolei.
W 11 krajach badacze stosowali to samo podstawowe podejście do bardzo różnych problemów. Kilka przykładów z projektu:
Wokół sztucznej inteligencji panuje dziś spore podekscytowanie, a jej możliwości bywają przesadzane. Obaj badacze uważają jednak, że w tego typu pracy korzyść jest wyraźna. Sipos zwraca uwagę, że z czujników spływają miliony punktów pomiarowych i zdjęć, a bez AI nie dałoby się ich sprawnie przeanalizować.
Irisson idzie dalej. Jego zdaniem AI zaczyna zastępować dobrze ugruntowane metody analizy statystycznej, a nauka musi dostosować się do nowego sposobu pracy.
Projekt zakończył się w 2025 roku, ale jego narzędzia i dane udostępniono innym badaczom do dalszego wykorzystania. Obejmuje to także zbiory, na których trenowano modele rozpoznające m.in. gatunki ryb i pływające śmieci. Zespół oferuje materiały szkoleniowe, a w razie potrzeby nawet rozmowy wideo. „Każdy może skorzystać z naszej pracy” — mówi Sipos.
Dla studentów to ważne z dwóch powodów. Po pierwsze, otwarte i opisane zbiory danych to dobry materiał do nauki rozpoznawania obrazów czy uczenia maszynowego — bez samodzielnego zbierania tysięcy zdjęć. Po drugie, iMagine pokazuje, że w nauce coraz więcej zależy od współpracy: biolog, który rozumie dane, i informatyk, który rozumie problem przyrodniczy, razem zrobią więcej niż każdy z osobna.
Lepszy monitoring ma zasilać unijne inicjatywy. Misja UE „Odbudowa naszych oceanów i wód” ma do 2030 roku chronić ekosystemy morskie i słodkowodne, ograniczać zanieczyszczenia i wspierać zrównoważoną niebieską gospodarkę. Dane trafią też do cyfrowego obrazu oceanu, w tym Europejskiego Cyfrowego Bliźniaka Oceanu. Z kolei uruchomiona w czerwcu 2026 r. inicjatywa EU OceanEye ma dać wyraźniejszy, bieżący obraz europejskich mórz, rzek i jezior, łącząc dane satelitarne, pomiary z podwodnych czujników i wyniki badań.
Sztuczna inteligencja w badaniach przyrodniczych to nie tylko hasło. W projekcie iMagine pozwoliła przeanalizować miliony zdjęć i nagrań z mórz, rzek i jezior — w tym 2,2 mln obrazów planktonu w jednym zbiorze — i skrócić pracę z miesięcy do dni. Narzędzia i dane pozostają otwarte, a sami badacze przyznają, że nauka musi nauczyć się pracować inaczej. Dla studentów kierunków przyrodniczych to wskazówka, że podstawy analizy danych mogą się przydać szybciej, niż się wydaje.
Źródło: Horizon – The EU Research & Innovation Magazine (CC BY 4.0); opracowanie własne.
5 pytań · minuta
poleca:
