Divlja ili uzgojena orada? AI ima odgovor
Jeste li ikad na ribarnici pokušavali pogoditi je li orada divlja ili je iz uzgoja? Znanost sada kaže da to može učiniti AI, i to analizom oblika tijela.
Brojni su nazivi za oradu – komarča, lovrata, dorada, podlanica samo su neki od njih. Jednako je toliko teorija o tome kako razlikovati divlju od uzgojene orade – po obliku, veličini, lustrama, boji, mirisu. Takve se “metode” često prenose usmenom predajom, no znanstveni dokazi za većinu njih nisu osobito snažni.
Nedavno objavljena studija sugerira da bi vječne rasprave mogao razriješiti algoritam.
Splitski Institut za oceanografiju i ribarstvo (IZOR), zagrebački Fakultet elektrotehnike i računarstva (FER) i Sveučilište u Ljubljani razvili su, kako navode, pouzdan i transparentan način automatiziranog prepoznavanja podrijetla orade.
Oblik tijela kao alat provjere
Studija “Deep learning approach to landmarking and measurement error analysis for gilthead seabream (Sparus aurata) origin classification in geometric morphometrics” objavljena je ove godine u znanstvenom časopisu “Ecological Informatics” i temelji se na primjeni metode dubokog učenja u analizi oblika tijela orade radi utvrđivanja njezina podrijetla.
Metoda se temelji na geometrijskoj morfometriji, disciplini koja oblik organizama opisuje matematički, s pomoću precizno definiranih anatomskih točaka. Takve razlike mogu nastati zbog genetike, ali i zbog okolišnih uvjeta: strujanja vode, gustoće populacije, dostupnosti hrane i razine aktivnosti. Autori studije razvili su model dubokog učenja (tzv. AI model) koji automatski prepoznaje te anatomske točke na fotografijama riba. Model je treniran na više od dvije tisuće jedinki orade – divljih, uzgojenih i onih povezanih s akvakulturnim sustavima.
“Da bi što bolje istrenirali umjetnu inteligenciju za primjenu u geometrijskoj morfometriji, znanstvenici su prikupili i ručno označili preko dvije tisuće fotografija orada, zatim trenirali model da samostalno prepoznaje ključne anatomske točke te pažljivo provjeravali razlikuje li stvarne biološke razlike od pogrešaka nastalih snimanjem i ljudskom subjektivnošću”, opisuju metodu.
Studija pokazuje da analiza oblika tijela uz potporu umjetne inteligencije nudi brz, neinvazivan i učinkovit alat za razlikovanje divljih i uzgojenih riba.
“Takva analiza danas pokazuje da računalo može mjeriti riblju morfologiju preciznije, dosljednije i pouzdanije od ljudskog oka, otvarajući novo poglavlje u nadzoru akvakulture. Naš laboratorij za akvakulturu, u okviru EpoMariNet projekta kojeg financira Hrvatska zaklada za znanost, već dugo razvija pouzdan, objektivan i automatiziran način ‘čitanja’ oblika tijela ribe, kako bi se jasno i mjerljivo moglo razlikovati potječe li riba iz uzgoja ili iz prirode”, ističu iz splitskog Instituta.
Ključno je da pogreške (koje se ipak pojavljuju) nisu sustavno povezane s razlikama u obliku koje se koriste za klasifikaciju podrijetla. Drugim riječima, model ne izmišlja razlike koje u stvarnosti ne postoje.
Nova europska pravila
Od 2026. godine u Europskoj uniji vrijede nova pravila o kontroli ribarstva koja podrazumijevaju potpunu digitalnu sljedivost morskih proizvoda. To znači da svaka riba mora imati digitalni trag: podatke o ulovu ili uzgoju, lokaciji, vremenu, plovilu ili uzgajalištu, preradi i distribuciji. Na taj način pokušava se suziti prostor za nezakoniti ribolov (ilegalni, neprijavljeni i neregulirani ribolov, skraćeno IUU) i administrativne manipulacije.
Cilj je veća transparentnost i učinkovitiji nadzor, ali sustav se i dalje oslanja na točnost unesenih podataka. Dakle, ako je riba pogrešno deklarirana – bilo namjerno, bilo zbog sistemskih rupa – digitalna sljedivost sama po sebi to ne može otkriti. Upravo zato raste interes za metode koje mogu neovisno provjeriti podrijetlo analizirajući samu ribu, a ne dokumentaciju. Nova studija jedan je od primjera takvog pristupa.
Odbjegla riba: nevidljivi problem akvakulture
Jedna od potencijalno najvažnijih primjena ovakvog alata leži izvan tržišta – u okolišu.
U akvakulturi, posebno u kaveznom uzgoju na moru, povremeno dolazi do bijega riba iz uzgajališta. “Odbjegle” jedinke mogu dospjeti među divlje populacije, križati se s autohtonim jedinkama, mijenjati genetsku strukturu populacija i, u konačnici, negativno utjecati na ekosustave.
Detekcija takvih slučajeva iznimno je zahtjevna. Odbjegla riba često se formalno vodi kao “divlja”, iako njezina povijest uključuje intenzivne uzgojne uvjete. Morfološki tragovi tog uzgoja (oblik tijela, proporcije, razvojni obrasci) mogu se zadržati i nakon bijega.
Autori studije pokazuju da njihova metoda može razlikovati ne samo čisto uzgojene i čisto divlje jedinke, nego i ribe povezane s uzgajalištima. To otvara mogućnost da se ovakvi alati koriste i u ekološkom monitoringu, ne samo u kontroli tržišta.
Na Klimatskom portalu tom važnom temom bavili smo se u sklopu serijala o uzgoju atlantskog lososa podno Velebita. Hrvatska je unazad dvije godine postala jedina zemlja na Mediteranu u kojoj se uzgajaju lososi, čime je ova strana predatorska vrsta uvedena u Jadransko more. Informacija je to koja je do šire javnosti došla tek kada su iz uzgajališta u Lukovom Šugarju početkom godine počele bježati veće količine ribe, o čemu smo intenzivno izvještavali [1, 2, 3, 4].
> > Industrijski uzgoj lososa – priča o pohlepi, bolestima i zagađenju
Jedno važno “ali”
Treniranje i primjena modela dubokog učenja zahtijevaju računalne resurse, energiju i infrastrukturu. U kontekstu klimatske krize, to nije zanemariv problem. Kako smo pisali, “AI revolucija” pretvara se u klimatsku katastrofu. AI tehnologija već sad guta ogromnu količinu struje, a u gradnju novih servera ulažu se stotine milijardi dolara. Podatkovni centri rade neprestano pa im je potreban stalan dotok struje, zbog čega se uglavnom napajaju energijom proizvedenom iz fosilnih goriva.
Zato je ključno da se ovakvi alati ne koriste nekritički ni masovno, nego ciljano: kao dopuna postojećim sustavima, u inspekcijama, istraživanjima i slučajevima sumnje, gdje mogu donijeti stvarnu dodanu vrijednost. Autori studije ne predstavljaju umjetnu inteligenciju kao zamjenu za regulaciju ili terenski rad, nego kao dodatni sloj provjere – alat koji može pomoći da digitalni zapisi i biološka stvarnost “pričaju istu priču”.
Od dojma do dokaza
Savjeti o boji, veličini i obliku ribe vjerojatno neće nestati preko noći. Ipak, u svijetu u kojem su morski ekosustavi pod sve većim pritiskom, a opskrbni lanci sve složeniji, dojmovi više nisu dovoljni. Novi znanstveni rad pokazuje da će odgovor na pitanje je li riba divlja ili iz uzgoja sve rjeđe ovisiti o “oku promatrača”, bilo iskusno ili ne.