Aplikacje na smartfony nie potrafią w 100 proc. identyfikować roślin na podstawie zdjęć

Zespół irlandzkich i brytyjskich naukowców ocenił 6 aplikacji stworzonych w celu identyfikacji roślin na podstawie zdjęcia: Google Lens, iNaturalist, Leaf Snap, PlantNet, Plant Snap i Seek. Za pomocą każdej aplikacji badacze próbowali zidentyfikować 38 gatunków roślin w ich naturalnym środowisku, w czterech miejscach w Irlandii. Zespół odkrył, że niektóre aplikacje uzyskały bardzo słabe wyniki (iNaturalist tylko 3,6 proc. poprawnych wyników w rozpoznawaniu kwiatów), podczas gdy nawet najlepsze nie osiągnęły 90 proc. dokładności.

Żadna z aplikacji nie radzi sobie z identyfikowaniem trujących roślin

Autorzy artykułu podkreślili, że żadna z aplikacji nie radzi sobie z prawidłowym identyfikowaniem trujących roślin. Najlepsza okazała się PlantNet - rozpoznała tylko 8 z 17 roślin (47 proc.). Druga z kolei była aplikacja Leaf Snap - rozpoznała 3 z 17 trujących roślin.

„Istnieje wiele powodów, dla których ważne jest, aby aplikacje były dokładne. Na przykład ludzie mogą błędnie identyfikować ważne rodzime gatunki jako inwazyjne i usuwać je ze swoich ogrodów. Mogą też spożywać potencjalnie niebezpieczne dzikie rośliny, myśląc, że są to odmiany nieszkodliwe” – powiedziała dr Julie Peacock z University of Leeds. Dodała jednocześnie, że warto wspierać rozwój aplikacji, bo mają one istotny wpływ na angażowanie się ludzi w odkrywanie świata przyrody.

Aplikacje wykorzystują algorytmy sztucznej inteligencji wytrenowane na ogromnej liczbie podpisanych zdjęć roślin. Podczas treningu sztuczna inteligencja uczy się rozpoznawać nie tylko zdjęcia „treningowe”, ale także dostrzegać podobieństwa między nimi a nowymi zdjęciami, co pozwala identyfikować rośliny.

Wszystkie aplikacje badane przez naukowców lepiej identyfikowały kwiaty niż liście. Ich zdaniem dzieje się tak dlatego, że kwiaty charakteryzuje większa różnorodność, dzięki której algorytmy dostają więcej wskazówek do uczenia się. Był jednak wyjątek. Aplikacja iNaturalist (stworzona przez naukowców z Uniwersytetu w Berkley) była w stanie poprawnie zidentyfikować zaledwie 3,6 proc. kwiatów i 6,8 proc. liści. Plant Snap poprawnie zidentyfikowała 35,7 proc. kwiatów i 17,1 proc. liści. Google Lens rozpoznała 68 proc. kwiatów i 55 proc. liści (jest najchętniej pobieraną aplikacją przez internautów - ponad 1 mld pobrań). Najwyższą dokładność osiągnęła PlantNet na poziomie 88,2 proc. (aplikację stworzyła sieć francuskich instytutów badawczych; pobrało ją 10 mln internautów). Autorzy badania zwracają jednak uwagę, że mimo iż zajęła ona najwyższe miejsce, może być nieodpowiednia dla przeciętnego odbiorcy, bo dominuje w niej specjalistyczna terminologia botaniczna.

Fakt, że w tworzenie PlantNet zaangażowanych jest sporo profesjonalistów – naukowców i botaników, potwierdza Alexis Joly, specjalista digital science i jeden z twórców aplikacji PlantNet. Zaznacza też, że algorytmy zostały tak napisane, by nie wskazywać tylko jednego wyniku. Zamiast tego klasyfikują kilku prawdopodobnych kandydatów do każdego wyszukiwania.

„Wszystko zależy od szczegółów uchwyconych na zdjęciu. Czasami jest to niewdzięczne zadanie, ponieważ ludzie wolą zobaczyć jeden wynik ze 100 proc. pewnością, nawet jeśli nie jest on właściwy, niż zobaczyć trzy możliwe gatunki po 33 procent każdy. Ale wygląda na to, że nasza strategia się opłaca” – powiedział Alexis Joly z instytutu badawczego Inria Sophia Antipolis – Méditerranée.

Wyniki badania zostały opublikowane w PLOS ONE.