“Maak dit even mooier.” Het is een van de meest onschuldige dingen die je een AI-fotobewerker kunt vragen. Maar volgens een commentaar in het tijdschrift Nature kan precies die vraag wetenschappelijke gegevens aantasten. Onderzoekers waarschuwen dat AI-bewerkte natuurfoto’s terechtkomen in citizen-scienceplatforms als iNaturalist en de Macaulay Library — dezelfde databronnen waarmee wetenschappers biodiversiteit, verspreidingsgebieden en gedrag van diersoorten wereldwijd volgen (Bron: PetaPixel).
Het per ongeluk verzonnen bewijs
Het treffendste voorbeeld komt van hoofdauteur Alexander Lees, ecoloog aan Manchester Metropolitan University. Een fotograaf in Brazilië had een epaulettroepiaal vastgelegd en vroeg een AI-platform de foto te verfraaien. De software entte er kenmerken op van een roodvleugelspreeuw — een Noord-Amerikaanse soort die in Brazilië nauwelijks voorkomt. Het resultaat: een valse waarneming van een uiterst ongebruikelijke vogel, ontstaan zonder enige kwade opzet.
En dat is precies de kern van de waarschuwing. De dreiging is niet in de eerste plaats bewuste fraude, maar routinematige nabewerking. “Wildlifefotografen kunnen behoorlijk geobsedeerd zijn door een mooie foto, maar er is een risico dat het beeld verderop problemen veroorzaakt wanneer AI is gebruikt om het te bewerken”, aldus Lees (Bron: Australian Photography).
Beginner-tip:citizen science is wetenschap waaraan gewone mensen bijdragen — in dit geval door foto’s van planten en dieren te uploaden. Onderzoekers gebruiken die massa aan waarnemingen om patronen te zien die ze zelf nooit op die schaal konden verzamelen. Dat werkt alleen als de data klopt.
Een probleem dat zichzelf voedt
Hoe groot het is, weet niemand precies. Op iNaturalist zijn tot nu toe zo’n 1.400 van meer dan 610 miljoen beelden gemarkeerd voor AI-gebruik — een cijfer waarvan de onderzoekers denken dat het slechts een fractie van het werkelijke probleem toont. Veel gemanipuleerde beelden glippen ongezien langs moderators.
Het venijnige zit in de terugkoppeling. Wanneer corrupt beeldmateriaal in de trainingsdata belandt van apps die soorten moeten herkennen, worden die apps minder betrouwbaar. Die produceren dan meer misidentificaties, die weer de databases vervuilen — een zichzelf versterkende cyclus. Tony Iwane van iNaturalist benadrukt dat het meestal niet om kwaadwil gaat, maar dringt aan op waakzaamheid: gewone mensen leveren informatie op een schaal die een wetenschapper nooit alleen zou halen, maar dan moet die informatie wél kloppen. Dat AI de betrouwbaarheid van gedeelde beelden ondermijnt, sluit aan op bredere zorgen die we eerder beschreven in Deepfakes in 2026: zo herken je een nep-video.
Wat jij kunt doen
Voor Nederlandse natuurfotografen en gebruikers van Waarneming.nl, iNaturalist en ObsIdentify is de boodschap praktisch:
- Upload waarnemingsfoto’s alleen als de soortkenmerken níet met generatieve AI zijn aangepast.
- Beperk nabewerking tot niet-inhoudelijke correcties — uitsnijden, belichting, contrast, ruisreductie — en controleer of de software geen details heeft ingevuld.
- Bewaar het originele RAW- of JPEG-bestand als controleerbare bron.
- Geef AI-bewerking expliciet aan bij een upload, als het platform dat ondersteunt.
- Behandel een AI-soortherkenning als suggestie en verifieer zeldzame of onverwachte waarnemingen met veldkenmerken en experts.
Het is een verhaal dat AI, fotografie, natuur en de betrouwbaarheid van wetenschap met elkaar verbindt. En het laat iets ongemakkelijks zien: je hebt geen kwade bedoelingen nodig om data te vervuilen. Eén druk op “verbeteren” is genoeg.