In Colombiaanse natuurreservaten legde een cameraval een klein buideldier vast. Kunstmatige intelligentie kreeg de foto en informatie over de locatie en noemde het dier vol vertrouwen een soort die niet in het land voorkomt. Deskundigen stelden echter de echte bewoner vast — Metachirus myosuros. Dit geval vormde het startpunt voor een nieuw onderzoek dat aantoont hoe ver algemene AI-modellen nog verwijderd zijn van betrouwbaar werk met wilde natuur.
Onderzoeker Gustavo Nicolás Páez Salamanca testte het model GPT-5.2 op tienduizend foto's van gewervelde dieren uit Colombia die op iNaturalist waren geüpload. Het model moest voor elke foto de familie, het geslacht en de soort benoemen, terwijl het alleen het land van opname kende en niet de vrijheid had om een antwoord te weigeren. Het exacte resultaat op soortniveau bedroeg slechts 9,5 procent — ongeveer één op de tien foto's.
De nauwkeurigheid verschilde sterk per diergroep. Bij zoogdieren en reptielen bedroeg die 17–19 procent, terwijl die bij amfibieën, vogels en vissen onder de vijf zakte. Fouten kwamen vaker voor bij soorten waarvan weinig openbare foto's bestaan en bij soorten die pas recent door de wetenschap zijn beschreven, zoals Coendou vossi, dat pas in 2025 als aparte soort werd onderscheiden.
Dergelijke fouten zijn niet zomaar een technisch detail. Als een zeldzaam dier met een bekendere soort wordt verward, kan de aanwezigheid ervan over het hoofd worden gezien. Een onjuiste naam of een opgave van een soort buiten haar natuurlijke verspreidingsgebied kan gegevens over de verspreiding van dieren vertekenen en plannen voor de bescherming van gebieden beïnvloeden.
Het onderzoek pleit er niet voor om AI de rug toe te keren. Integendeel, de auteur stelt voor om AI als eerste filter te gebruiken: automatische voorstellen toetsen aan actuele classificaties en bekende verspreidingsgebieden, en twijfelachtige of belangrijke waarnemingen aan specialisten doorgeven. Modellen zouden de mogelijkheid moeten krijgen om onzekerheid te erkennen in plaats van verplicht een antwoord te geven.
Hoewel het werk zich richt op de Colombiaanse fauna, zijn de vastgestelde problemen kenmerkend voor biodiversiteitsmonitoring in andere regio's. De betrouwbaarheid van automatische identificatie hangt rechtstreeks af van de omvang en kwaliteit van de beschikbare gegevens over soorten.
Wil AI de natuur echt helpen beschermen, dan moeten haar voorspellingen worden gecombineerd met betrouwbare wetenschappelijke gegevens en de expertise van veldbiologen.
